二值图像分析—轮廓发现

轮廓

轮廓即是以某种方式表示图像中的曲线的点的列表。这种表示可以根据实际的情形不同而不同。表示一条曲线的方式有很多种。OpenCV中，轮廓是由STL风格的vector<>模板对象表示的，其中vector中的每个元素都编码了曲线上的下一点的位置信息。

• 轮廓发现是基于图像边缘提取的基础寻找对象轮廓的方法。所以边缘提取的阈值选定会影响最终轮廓发现结果。
• API介绍
  findContours 发现轮廓
  drawContours 绘制轮廓

OpenCV中的轮廓发现

1. findContours

• 说明
  用于查找二值图像中的轮廓。
  该函数使用算法@cite Suzuki85从二值图像中检索轮廓。轮廓是用于形状分析以及对象检测和识别的有用工具。

• 声明

  void findContours(
  	    InputArray image, 
  	    OutputArrayOfArrays contours,
  	    OutputArray hierarchy, 
  	    int mode,
  	    int method, 
  	    Point offset = Point()
      );
  
  
  void findContours(
          InputArray image, 
          OutputArrayOfArrays contours,
          int mode, 
          int method, 
          Point offset = Point()
      );
  

• 参数

  image	原图像，一个8位的单通道图像。非零像素被认为为1，0像素为任然保留为0。所以图像被当做二值图像。您可以使用compare、inRange、threshold、adaptiveThreshold、Canny等来创建灰度或彩色的二值图像。如果mode等于RETR_CCOMP或RETR_FLOODFILL，则输入也可以是32位整数的标签图像(CV_32SC1)。
  contours	检测到的轮廓。每个轮廓都存储为点向量（例如std :: vector <std :: vector >）。
  hierarchy	可选的输出向量（例如std :: vector ），包含有关图像拓扑的信息。它具有与轮廓数量一样多的元素。对于每个第i个轮廓轮廓[i]，元素等级[i] [0]，等级[i] [1]，等级[i] [2]和等级[i] [3]均设置为0-在相同的层次级别上，基于下一个和上一个轮廓的轮廓的索引，分别是第一个子轮廓和父轮廓。如果对于轮廓i，没有下一个，上一个，父级或嵌套的轮廓，则hierarchy [i]的相应元素将为负。
  mode	轮廓检索模式，请参阅RetrievalModes。
  method	轮廓近似方法，请参见ContourApproximationModes
  offset	每个轮廓点移动的可选偏移量。如果从图像ROI中提取轮廓，然后在整个图像上下文中对其进行分析，这将非常有用。

  RetrievalModes 轮廓检索算法的模式

  ---

  ①：RETR_EXTERNAL
  仅检索极端的外部轮廓。它hierarchy[i][2]=hierarchy[i][3]=-1为所有轮廓设置。只检测最外围的轮廓，包含在外围轮廓内的内围轮廓被忽略。
  ②：RETR_LIST
  检测所有的轮廓，包括内围、外围轮廓，但是检测到的轮廓不建立等级关系，彼此之间独立，没有等级关系，这就意味着这个检索模式下不存在父轮廓或内嵌轮廓。
  ③：RETR_CCOMP
  检索所有轮廓并将其组织为两级层次结构。在顶层，组件具有外部边界。在第二层，有孔的边界。如果所连接零部件的孔内还有其他轮廓，则该轮廓仍将放置在顶层。
  ④：RETR_TREE
  检索所有轮廓，并重建嵌套轮廓的完整层次。所有轮廓建立一个等级树结构，外层轮廓包含内层轮廓，内层轮廓还可以继续包含内嵌轮廓。

  ContourApproximationModes轮廓的近似方法

  ---

  ①：CHAIN_APPROX_NONE
  绝对存储所有轮廓点。也就是说，轮廓的任意两个后续点（x1，y1）和（x2，y2）将是水平，垂直或对角线邻居，即相邻的两个点的像素位置差不超过1，即max （abs (x1 - x2), abs(y2 - y1) =1。
  ②：CHAIN_APPROX_SIMPLE
  压缩水平，垂直和对角线段，仅保留其端点。例如，例如一个矩形轮廓只需4个点来保存轮廓信息。
  ③：CHAIN_APPROX_TC89_L1
  使用teh-Chinl chain 近似算法
  ④：CHAIN_APPROX_TC89_KCOS
  应用teh-Chinl chain 近似算法

2. drawContours

• 说明
  绘制轮廓或者填充轮廓。
• 声明

  void drawContours( 
         InputOutputArray image,
         InputArrayOfArrays contours,
         int contourIdx, 
         const Scalar& color,
         int thickness = 1, 
         int lineType = LINE_8,
         InputArray hierarchy = noArray(),
         int maxLevel = INT_MAX, 
         Point offset = Point() 
   );
  

• 参数

  image	目标图片
  contours	所有输入轮廓，每个轮廓都存储为点向量。
  contourIdx	指示要绘制轮廓的参数。若为负，则绘制所有轮廓。
  color	轮廓的颜色。
  hickness	绘制轮廓的线的粗细。如果为负数，则绘制轮廓内部。
  lineType	表示线型。
  hierarchy	表示有关层次结构的可选信息。
  maxLevel	表示绘制轮廓的最大级别。 如果为0，则仅绘制指定的轮廓。 如果为1，则该函数绘制轮廓和所有嵌套轮廓。 如果为2，则该函数绘制轮廓，所有嵌套轮廓，所有嵌套到嵌套的轮廓，等等。 仅当有可用的层次结构时才考虑此参数。
  offset	表示可选的轮廓偏移参数，该参数可按指定的方式移动所有绘制的轮廓。

举例应用

步骤：
①：输入图像转为灰度图像cvtColor
②：使用Canny进行边缘提取，得到二值图像
③：使用findContours寻找轮廓
④：使用drawContours绘制轮廓

void findBinaryImgContours(Mat& src) {
	Mat dst, gray, binary;
	GaussianBlur(src, dst, Size(3, 3), 0);
	cvtColor(dst, gray, COLOR_BGR2GRAY);
	//图像值化
	threshold(gray, binary, 0, 255, THRESH_BINARY | THRESH_OTSU);
	imshow("src", src);
	imshow("dst", dst);
	imshow("gray", gray);
	imshow("binary", binary);


	//查找轮廓，每个轮廓都存储为点向量
	vector<vector<Point>> contours;
	vector<Vec4i> hierarchy;
	//findContours(binary, contours, hierarchy,RETR_EXTERNAL, CHAIN_APPROX_SIMPLE, Point());
    //findContours(binary, contours, hierarchy, RETR_TREE, CHAIN_APPROX_SIMPLE, Point());

	findContours(binary, contours, hierarchy, RETR_LIST, CHAIN_APPROX_NONE, Point());
	//findContours(binary, contours, hierarchy, RETR_CCOMP, CHAIN_APPROX_SIMPLE, Point());



	//画出每一个连通区域的轮廓
	for (int i = 0; i < contours.size(); i++)
	{
		//当thickness为正数的时候表示绘制该轮廓 当thickness为 - 1表示填充该轮廓
		drawContours(src, contours, i, Scalar(255,0, 255),-1);
	}
	imshow("contours", src);


}
int main() {
	Mat src = imread("D:/test/dan.png");
	findBinaryImgContours(src);

	waitKey(0);
	return 0;
}

• RETR_TREE
  

  

  

• RETR_EXTERNA
  

• RETR_CCOMP
  

• RETR_LIST
  

• 当thickness为正数的时候表示绘制该轮廓 当thickness为 - 1表示填充该轮廓
  

学习：

1. OpenCV-图像处理（28、轮廓发现(find contour in your image)）

2. OpenCV之二值图像分析 – 轮廓发现

3. Python+OpenCV图像处理（十六）—— 轮廓发现