提取轮廓的算法很简单,它系统地扫描图像,直到找到连续区域。从区域的起点开始,沿着它的轮廓对边界像素做标记。处理完这个轮廓后,就从上个位置继续扫描,直到发现新的区域。
也可以对识别出的连续区域进行独立的分析。例如,如果事先已经知道感兴趣物体的大小,就可以将部分区域删除。我们采用区域边界的最小值和最大值,具体做法是迭代遍历存放轮廓的向量,并且删除无效的轮廓:
// 删除太短或太长的轮廓
int cmin= 50; // 最小轮廓长度
int cmax= 1000; // 最大轮廓长度
std::vector<std::vector<cv::Point>>::
iterator itc= contours.begin();
// 针对所有轮廓
while (itc!=contours.end()) {
// 验证轮廓大小
if (itc->size() < cmin || itc->size() > cmax)
itc= contours.erase(itc);
else
++itc;
}
因为 std::vector 中的删除操作的时间复杂度为 O(N),所以这个循环的效率还可以更高。不过这种小型向量的总体开销也不会不大。