花老湿OpenCV学习：轮廓的查找与绘制

引言：

一个轮廓一般对应一系列的点，也就是图像中的一条曲线。其表示方法可能根据不同的情况而有所不同。在OpenCV中，可以用findContours()函数从二值图像中查找轮廓。

寻找轮廓：findContours()函数

 

关于第三、四个参数的理解可以参考博文：CSDN博客  https://blog.csdn.net/guduruyu/article/details/69220296

 

绘制轮廓：drawContours()函数 

 代码示例：

  1.这是通过canny获得边缘二值图像，然后再进行轮廓查找

#include "pch.h"
#include <iostream>
#include "opencv2/opencv.hpp"

using namespace std;
using namespace cv;

int thresholdval = 100;
int thresholdmax = 127;
int mode = 3;
void Demo_Contours(int pos, void* userdata);

Mat blursrc;
int main()
{
	//待检测图像
	Mat src = imread("F:\\visual studio\\Image\\contours.png");
	if (src.empty())
	{
		cout << "Can't load the image" << endl;
		return -1;
	}
	imshow("src", src);
	//转化为灰度图
	Mat graysrc;
	cvtColor(src, graysrc, COLOR_BGR2GRAY);
	
	//高斯模糊
	GaussianBlur(graysrc, blursrc, Size(7, 7), 5, 5);

	namedWindow("Contours", WINDOW_AUTOSIZE);
	createTrackbar("Threshold", "Contours", &thresholdval, thresholdmax, Demo_Contours);
	createTrackbar("mode", "Contours", &mode, 3, Demo_Contours);
	
	Demo_Contours(0, 0);
	waitKey(0);
	
}

void Demo_Contours(int pos, void* userdata)
{
	//Canny边缘检测
	Mat edge;
	Canny(blursrc, edge, thresholdval, thresholdval * 2, 3,false);
	imshow("edge", edge);
	//查找轮廓
	vector<vector<Point>> contours;
	vector<Vec4i> hierarchy;
	findContours(edge, contours, hierarchy, mode, CV_CHAIN_APPROX_SIMPLE, Point(0,0));
	//绘制
	RNG rng(getTickCount());
	Mat ContoursImg = Mat::zeros(blursrc.size(), CV_8UC3);
	for (int i = 0; i < contours.size(); i++)
	{
		
		Scalar color(rng.uniform(0, 255), rng.uniform(0, 255), rng.uniform(0, 255));
		drawContours(ContoursImg, contours, i, color, 2, LINE_AA, hierarchy);
	}
	imshow("Contours", ContoursImg);
}

利用两副图像观察效果：

1.这个图是我自己画的，检测效果很好。

源图像和边缘二值图像：

第一种模式仅检测最外层轮廓，其余的模式好像检测效果差不多：

 

2.这个图像是我的手部图像， 不明白为什么它的边缘检测效果就很糟糕（希望有人可以给出解决办法，在下方评论），自然影响到了轮廓的查找，效果很糟糕。

  这种轮廓查找的方式太受制于边缘的检测！

 

2.通过threshold（）获得二值图像，然后再进行轮廓查找

#include "pch.h"
#include <iostream>
#include "opencv2/opencv.hpp"

using namespace std;
using namespace cv;

int thresholdval = 127;
int thresholdmax = 255;

int mode = 3;
void Demo_Contours(int pos, void* userdata);

Mat blursrc;
int main()
{
	//待检测图像
	Mat src = imread("F:\\visual studio\\Image\\hand1.jpg");
	if (src.empty())
	{
		cout << "Can't load the image" << endl;
		return -1;
	}
	resize(src, src, Size(), 0.5, 0.5);
	imshow("src", src);
	//转化为灰度图
	Mat graysrc;
	cvtColor(src, graysrc, COLOR_BGR2GRAY);

	//高斯模糊
	GaussianBlur(graysrc, blursrc, Size(3, 3), 0, 0);

	namedWindow("Contours", WINDOW_AUTOSIZE);
	createTrackbar("Threshold", "Contours", &thresholdval, thresholdmax, Demo_Contours);
	createTrackbar("mode", "Contours", &mode, 3, Demo_Contours);

	Demo_Contours(0, 0);
	waitKey(0);

}

void Demo_Contours(int pos, void* userdata)
{
	//阈值化
	Mat bin;
	threshold(~blursrc, bin, thresholdval, thresholdmax, CV_THRESH_BINARY);
	imshow("bin", bin);
	//查找轮廓
	vector<vector<Point>> contours;
	vector<Vec4i> hierarchy;
	findContours(bin, contours, hierarchy, mode, CV_CHAIN_APPROX_SIMPLE, Point(0, 0));
	//绘制
	RNG rng(getTickCount());
	Mat ContoursImg = Mat::zeros(blursrc.size(), CV_8UC3);
	for (int i = 0; i < contours.size(); i++)
	{

		Scalar color(rng.uniform(0, 255), rng.uniform(0, 255), rng.uniform(0, 255));
		drawContours(ContoursImg, contours, i, color, 2, LINE_AA, hierarchy);
	}
	imshow("Contours", ContoursImg);
}

效果如下：

因为手部颜色相近，通过选择合适的阈值，利用阈值化能够很好地与背景区分，再进行轮廓查找，能够找到一条完整的手部轮廓，而不是像上面的出现很多条轮廓，而且模式1和其余模式也可以看出区别，效果很好。

 这也是博主的手，给大家看看效果，在这种条件下，明显比基于边缘检测的效果好。