【Emgu CV教程】10.1、轮廓

本文详细阐述了OpenCV中关于轮廓的理论概念,包括查找轮廓函数(如RetrType和ChainApproxMethod的选择)和绘制轮廓的方法。通过实例演示了如何在原始图像上进行二值化和轮廓检测,并展示了不同检索模式下的效果。
摘要由CSDN通过智能技术生成


从这一章开始,讲详细讲一下与轮廓有关的相关函数及应用方法。

一、相关概念

在OpenCV中,轮廓是图像中连续的点的集合,这些点具有相同的颜色(彩色图像)或强度(二值化图像)。

对物体的大小及形状判断、位置定位、物体识别、颜色分割等等应用,都会用到轮廓,这个是到目前为止,介绍的最重要的应用,不会熟练使用轮廓,基本上等于没有学习Emgu CV。

注意:查找轮廓,一般方法都是先将原始图像转换成二值化图形,再在二值化图形里面查找。

二、相关函数

今天先介绍两个最基础的函数:查找轮廓和绘制轮廓。

1.查找轮廓函数

Emgu CV中,查找轮廓的函数定义如下:

public static void FindContours(
	IInputOutputArray image, // 输入图像
	IOutputArray contours, // 输出图像
	IOutputArray hierarchy, // 图像的拓扑信息(轮廓层次)
	RetrType mode, // 轮廓检索模式
	ChainApproxMethod method, // 轮廓近似方法
	Point offset = default(Point) // 每个轮廓点被移动的可选偏移量。
)
  1. 参数RetrType mode有External、List、Ccomp、Tree四种,稍后举例说明。
  2. Point offset很有用,如果是在图像的ROI提取轮廓,再加上ROI的左上角坐标,就是轮廓点在原图中的位置了。
  3. 轮廓近似方法里面,常用的有两个:ChainApproxNone,保存所有轮廓上的点;ChainApproxSimple,只保存角点(常用)。

2.绘制轮廓函数

Emgu CV中,绘制轮廓的函数定义如下:

public static void DrawContours(
	IInputOutputArray image, // 输入图像,也是输出图像
	IInputArrayOfArrays contours, // 所有的轮廓集合
	int contourIdx, // 将要绘制的轮廓编号,如果是负数,就绘制所有
	MCvScalar color, // 绘制轮廓的颜色
	int thickness = 1, // 绘制轮廓的线宽
	LineType lineType = LineType.EightConnected, // 绘制轮廓的线型
	IInputArray hierarchy = null,  // 图像的拓扑信息(轮廓层次)
	int maxLevel = int.MaxValue, // 绘制轮廓线的最大级别,不知道干什么用的,我一般都写成 0 
	Point offset = default(Point) // 每个轮廓点被移动的可选偏移量。
)

三、演示

1.原始素材

原始素材srcMat如下图:
在这里插入图片描述

2.代码

检索轮廓并为不同颜色绘制轮廓的代码如下:

Mat tempMat = srcMat.Clone();
Mat dstMat = srcMat.Clone();
Mat gray = new Mat();
int threshold = 40;

// 转成灰度图再二值化
CvInvoke.CvtColor(tempMat, gray, ColorConversion.Bgr2Gray);
CvInvoke.Threshold(gray, gray, threshold, 255, ThresholdType.Binary);
CvInvoke.Imshow("Gray and threshold, " + gray.Size.ToString(), gray);

// 定义轮廓集合
VectorOfVectorOfPoint contours = new VectorOfVectorOfPoint();
VectorOfRect hierarchy = new VectorOfRect();

// 根据下拉框选择轮廓检索模式,查找轮廓并绘制
switch (ComboBoxType.Text)
{
    case "External":
        CvInvoke.FindContours(gray, contours, hierarchy, RetrType.External, ChainApproxMethod.ChainApproxNone);
        break;
    case "List":
        CvInvoke.FindContours(gray, contours, hierarchy, RetrType.List, ChainApproxMethod.ChainApproxNone);
        break;
    case "Ccomp":
        CvInvoke.FindContours(gray, contours, hierarchy, RetrType.Ccomp, ChainApproxMethod.ChainApproxNone);
        break;
    case "Tree":
        CvInvoke.FindContours(gray, contours, hierarchy, RetrType.Tree, ChainApproxMethod.ChainApproxNone);
        break;
    default:
        CvInvoke.FindContours(gray, contours, hierarchy, RetrType.Tree, ChainApproxMethod.ChainApproxNone);
        break;
}

CvInvoke.PutText(dstMat, "Contours number:" + contours.Size, new System.Drawing.Point(20, 20), FontFace.HersheyComplex, 0.5, new Bgr(0, 255, 0).MCvScalar, 1, LineType.EightConnected, false);

// 用随机的颜色画出每一个轮廓
Random random = new Random();
for (int i = 0; i < contours.Size; i++)
{
    CvInvoke.DrawContours(dstMat, contours, i, new MCvScalar(random.Next(0, 255), random.Next(0, 255), random.Next(0, 255)), 2, LineType.EightConnected, hierarchy, 0);
    CvInvoke.WaitKey(1); // 点击任意键盘继续画
}

CvInvoke.Imshow("Final result image, " + dstMat.Size.ToString(), dstMat);

3.运行结果

假设轮廓检索模式选择RetrType.External, 如下所示:
在这里插入图片描述
External表示外部,因此空心的矩形和空心的圆形,只检索出最外层的轮廓,所以结果是:3个轮廓。如果选择List、Ccomp、Tree,则检索出来的是五个轮廓。如下图:
在这里插入图片描述
虽然选择List、Ccomp、Tree,则检索出来的都是五个轮廓,但是变量hierarchy的结果是不一样的,这个hierarchy代表轮廓的关系,具体的我也不知道,需要读者们自行去网上查找资料。

四、遍历轮廓的每一个点

利用FindContours()函数得到轮廓后,可以对轮廓的点进行处理。用如下代码先找到二值化图像的所有轮廓:

CvInvoke.FindContours(gray, contours, hierarchy, RetrType.Tree, ChainApproxMethod.ChainApproxNone);

然后再遍历每一个轮廓的每一个点,并且在每个电上画半径3像素的绿色圆形,代码如下:

// 遍历每个轮廓上的点
for (int i = 0; i < contours.Size; i++)
{
    for (int j = 0; j < contours[i].Size; j++)
    {
        // 在每个点画一个半径为3像素的圆
        CvInvoke.Circle(dstMat, new System.Drawing.Point(contours[i][j].X, contours[i][j].Y), 3, new MCvScalar(0, 255, 0), 2); // 依次绘制所有轮廓点
        CvInvoke.Imshow("Final result image, " + dstMat.Size.ToString(), dstMat); // 每绘制一次显示显示一次
        CvInvoke.WaitKey(5);
    }
}

最后的结果就是这样:
在这里插入图片描述


原创不易,请勿抄袭。共同进步,相互学习。

  • 18
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值