opencv——轮廓检测

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

第一个参数：image，单通道图像矩阵，可以是灰度图，但更常用的是二值图像，一般是经过Canny、拉普拉斯等边

                     缘检测算子处理过的二值图像；

第二个参数：contours，定义为“vector<vector<Point>> contours”，是一个向量，并且是一个双重向量，向量

           内每个元素保存了一组由连续的Point点构成的点的集合的向量，每一组Point点集就是一个轮廓。  

           有多少轮廓，向量contours就有多少元素。

第三个参数：hierarchy，定义为“vector<Vec4i> hierarchy”，先来看一下Vec4i的定义：

                           typedef    Vec<int, 4>   Vec4i;                                                                                                                                       

           Vec4i是Vec<int,4>的别名，定义了一个“向量内每一个元素包含了4个int型变量”的向量。

           所以从定义上看，hierarchy也是一个向量，向量内每个元素保存了一个包含4个int整型的数组。

           向量hiararchy内的元素和轮廓向量contours内的元素是一一对应的，向量的容量相同。

           hierarchy向量内每一个元素的4个int型变量——hierarchy[i][0] ~hierarchy[i][3]，分别表示第

        i个轮廓的后一个轮廓、前一个轮廓、父轮廓、内嵌轮廓的索引编号。如果当前轮廓没有对应的后一个

        轮廓、前一个轮廓、父轮廓或内嵌轮廓的话，则hierarchy[i][0] ~hierarchy[i][3]的相应位被设置为

        默认值-1。

第四个参数：int型的mode，定义轮廓的检索模式：

           取值一：CV_RETR_EXTERNAL只检测最外围轮廓，包含在外围轮廓内的内围轮廓被忽略

           取值二：CV_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，

                  所以hierarchy向量内所有元素的第3、第4个分量都会被置为-1，具体下文会讲到

           取值三：CV_RETR_CCOMP  检测所有的轮廓，但所有轮廓只建立两个等级关系，外围为顶层，若外围

                  内的内围轮廓还包含了其他的轮廓信息，则内围内的所有轮廓均归属于顶层

           取值四：CV_RETR_TREE， 检测所有轮廓，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。

第五个参数：int型的method，定义轮廓的近似方法：

           取值一：CV_CHAIN_APPROX_NONE 保存物体边界上所有连续的轮廓点到contours向量内

           取值二：CV_CHAIN_APPROX_SIMPLE 仅保存轮廓的拐点信息，把所有轮廓拐点处的点保存入contours

                   向量内，拐点与拐点之间直线段上的信息点不予保留

           取值三和四：CV_CHAIN_APPROX_TC89_L1，CV_CHAIN_APPROX_TC89_KCOS使用teh-Chinl chain 近

                   似算法

第六个参数：Point偏移量，所有的轮廓信息相对于原始图像对应点的偏移量，相当于在每一个检测出的轮廓点上加

            上该偏移量，并且Point还可以是负值！

#include<opencv2/opencv.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<vector>
#include <iostream>
using namespace cv;
using namespace std;
int main()
{
	const char* filename="C://Users//huashuo111//Desktop//logo.jpg";
	Mat img=imread(filename,0);
	Mat img1;
	GaussianBlur(img,img1,Size(3,3),0);//高斯平滑
	Canny(img1,img1,100,250);//坎尼边缘检测
	vector<vector<Point>>contours;
	vector<Vec4i>hierarchy;
	findContours(img1,contours,hierarchy,RETR_TREE,CV_CHAIN_APPROX_NONE,Point());

	
	Mat Contours=Mat::zeros(img1.size(),CV_8UC1);
	for(int i=0;i<contours.size();i++)//遍历每个轮廓
	{
		for(int j=0;j<contours[i].size();j++)//遍历某个轮廓的每个像素
		{
			Point P=Point(contours[i][j].x,contours[i][j].y);
			Contours.at<uchar>(P)=255;
		}
	}
	imshow("边缘",Contours);
	
	
	waitKey();
	return 0;
}

原图：

边缘检测图：

上面使用findContours的mode参数是RETR_EXTERNAL，只能检测出最外层轮廓，我们把其换为RETR_TREE

边缘检测图：

内部轮廓边缘检测的效果非常好。