opencv(20)---轮廓查找与绘制

最新推荐文章于 2023-02-26 18:30:32 发布
最新推荐文章于 2023-02-26 18:30:32 发布
阅读量1k 收藏 5
点赞数 1
分类专栏： opencv Learning 文章标签： opencv

轮廓

基本概念

轮廓可以简单认为成将连续的点（连着边界）连在一起的曲线，具有相同的颜色或者灰度，提取轮廓就是提取这些具有相同颜色或者灰度的曲线，或者说是连通域，轮廓在形状分析和物体的检测和识别中非常有用。

注意事项

①为了更加准确，要使用二值化图像。在寻找轮廓之前，要进行阈值化处理或者 Canny 边界检测
②查找轮廓的函数会修改原始图像。如果你在找到轮廓之后还想使用原始图像的话，你应该将原始图像存储到其他变量中(clone(), copyTo())
③在OpenCV 中，查找轮廓就像在黑色背景中找白色物体。你应该记住， 要找的物体应该是白色而背景应该是黑色。

常用函数

findContours()—–查找轮廓
drawContours()—–绘制轮廓

实例

这里写图片描述

查找轮廓—findContours()

函数原型

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

/** @overload */
CV_EXPORTS void findContours( InputOutputArray image, OutputArrayOfArrays contours,
                              int mode, int method, Point offset = Point());
  • image: 输入图像, Mat类型8位单通道图像(一般为二值图)
  • contours: 检测到的轮廓, 每个轮廓存储为一个点向量, 即Point类型的vector表示
  • hierarchy: 可选的输出向量, 包含图像的拓扑信息。其作为轮廓数量的表示, 包含了许多元素, 每个轮廓contours[i]对应4个
    hierarchy元素hierarchy[i][0]~hierarchy[i][3], 分别表示后一轮廓、前一轮廓、父轮廓、内嵌轮廓的索引编号, 如果没有对应项, 设置为负数

  • mode: 轮廓检索模式, 取值如下:
    CV_RETR_EXTERNAL=0—–表示只检测最外层轮廓
    CV_RETR_LIST=1——提取所有轮廓并放置在list中, 轮廓不建立等级关系
    CV_RETR_CCOMP=2——提取所有轮廓并组织为双层结构
    CV_RETR_TREE=3——提取所有轮廓并重新建立网状轮廓结构
    这里写图片描述

  • method: 轮廓的近似方法, 取值见图2

    这里写图片描述

  • offset: 每个轮廓的可选偏移量, 默认值Point()

绘制轮廓—drawContours()

这里写图片描述

函数原型

CV_EXPORTS_W 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() );
  • image: 目标图像, Mat类型对象即可
  • contours: 所有的输入轮廓, 每个轮廓存储为一个点向量
  • contourIdx: 轮廓绘制指示变量(索引), 若为负值, 则表示绘制所有轮廓
  • color: 绘制轮廓的颜色
  • thickness: 轮廓线条的粗细, 默认值1, 如果为负值, 则绘制轮廓内部, 可选宏 CV_FILLED
  • lineType: 线条类型, 默认值8
  • hierarcy: 可选的层次结构信息, 默认值noArray()
  • maxLevel: 表示用于绘制轮廓的最大等级, 默认值INT_MAX
  • offset: 可选的轮廓偏移参数, 默认值Point()

轮廓查找与轮廓绘制代码

#include "mainwindow.h"

MainWindow::MainWindow(QWidget *parent)
    : QMainWindow(parent)
{
    Mat srcImg = imread("D:\\1\\01.png");
    Mat tempImg = srcImg.clone();//进行备份
    Mat draw(srcImg.rows, srcImg.cols, CV_8UC3);
    cvtColor(srcImg, srcImg, CV_BGR2GRAY); //转为灰度图
    threshold(srcImg, srcImg, 50, 255, CV_THRESH_BINARY);//二值化
    imshow("srcImg", srcImg);  //轮廓查找前

    vector<vector<Point>> contours;//两层结构，第一层表示轮廓数，第二层表示轮廓中的点
    vector<Vec4i> hierarchy;

    //findContours(srcImg, contours, hierarchy,RETR_EXTERNAL, CHAIN_APPROX_SIMPLE ); //查找轮廓
    //findContours(srcImg, contours, hierarchy,RETR_LIST, CHAIN_APPROX_SIMPLE ); //查找轮廓
    findContours(srcImg, contours, hierarchy,CV_RETR_CCOMP, CHAIN_APPROX_SIMPLE ); //查找轮廓
    //findContours(srcImg, contours, hierarchy,RETR_TREE, CHAIN_APPROX_NONE ); //查找轮廓
    imshow("cont", srcImg);  //轮廓查找后
    drawContours(tempImg, contours, -1, Scalar(0, 255, 0), 2, 8);  //绘制轮廓
    cout<<"num="<<contours.size()<<endl; //输出轮廓个数
    imshow("contours", tempImg);

    waitKey(0);
}

MainWindow::~MainWindow()
{
}

发现墙面的裂缝

Mat Img=img.clone();
Mat gray;
Mat element0=getStructuringElement(MORPH_RECT,Size(5,5));
Mat element1=getStructuringElement(MORPH_RECT,Size(7,7));
cvtColor(Img,gray,COLOR_RGB2GRAY);
GaussianBlur(gray,gray,Size(255,255),0,0);
adaptiveThreshold(gray,gray,255,ADAPTIVE_THRESH_GAUSSIAN_C,THRESH_BINARY_INV,15,3);//自适应滤波
erode(gray,gray,element0);
dialate(gray,gray,element1);

vector<vector<Point>> contours;
vector<vec4i> hierarchy;
findContours(gray,contours,CV_PETE_TREE,CV_CHAIN_APPROX_SIMPLE,Point(0,0));
drawContours(img,contours,-1,Scalar(0,0,255),3,8,hierarchy);
if(!(img.empty())){
 resize(img,img,Size(rect.width(),rect.Height()));
 imshow("PIC",img);
}

访问每一个轮廓以及轮廓上的所有点

访问每一个轮廓

这里写图片描述

访问每一个像素

这里写图片描述

代码一—绘制轮廓

代码1

drawContours(tempImg, contours, -1, Scalar(0, 255, 0), 2, 8); //绘制轮廓

代码2

for(int i=0; i<contours.size(); i++)
{
  drawContours(tempImg, contours, i, Scalar(0, 255, 0), 2, 8); //绘制轮廓
｝

代码1和代码2实现的功能相同

代码二

for(int i=0; i<contours.size(); i++)
{
for(int j=0; j<contours[i].size(); j++)
{
    circle(tempImg, Point(contours[i][j].x, contours[i][j].y), 3, Scalar(0, 255, 0), 2, 8); //画出每个轮廓的每个点
    imshow("contours", tempImg);
}

代码3

for(int i=0; i<contours.size(); i++)
{
   //drawContours(tempImg, contours, i, Scalar(0, 255, 0), 2, 8); //绘制轮廓
   for(int j=0; j<contours[i].size(); j++)
   {

       line(tempImg, Point(3,3), Point(contours[i][j].x, contours[i][j].y), Scalar(0, 0, 255), 1, 8);
       cout<<"("<<contours[i][j].x<<","<<contours[i][j].y<<")"<<endl;
       waitKey(100);
       imshow("contours", tempImg);
   }
}

查找轮廓参数说明

这里写图片描述

这里写图片描述

简单孔洞填充

findContours(srcImg, contours, hierarcy, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE); //查找轮廓
drawContours(tempImg, contours, -1, Scalar(0, 255, 0), -1, 8); //绘制轮廓

简单连通域标记

findContours(srcImg, contours, hierarcy, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE); //查找轮廓
cout<<"num="<<contours.size()<<endl; //输出轮廓(连通域)个数
for(int i=0; i<contours.size(); i++)
{
    drawContours(tempImg, contours, i, Scalar(rand()%255, rand()%255, rand()%255), -1, 8); //绘制轮廓
}

imshow("contours", tempImg);

总体代码

#include "mainwindow.h"
#include<opencv2/opencv.hpp>
#include<opencv2/imgproc/imgproc.hpp>

using namespace std;
using namespace cv;

MainWindow::MainWindow(QWidget *parent)
    : QMainWindow(parent)
{
    Mat srcImg = imread("D:\\1\\33.png");
    imshow("src", srcImg);
    //Mat tempImg(srcImg.rows, srcImg.cols, CV_8UC3, Scalar(255, 255, 255));
    Mat tempImg = srcImg.clone();  //原图备份
    cvtColor(srcImg, srcImg, CV_BGR2GRAY); //转为灰度图
    threshold(srcImg, srcImg, 100, 255, CV_THRESH_BINARY); //二值化
    imshow("threshold", srcImg);
    vector<vector<Point>> contours;  //轮廓定义
    vector<Vec4i> hierarcy;

    findContours(srcImg, contours, hierarcy, CV_RETR_TREE, CV_LINK_RUNS); //查找轮廓
    //drawContours(tempImg, contours, -1, Scalar(0, 255, 0), 2, 8); //绘制轮廓
    for(int i=0; i<contours.size(); i++)
    {
        //drawContours(tempImg, contours, i, Scalar(0, 255, 0), 2, 8); //绘制轮廓
        for(int j=0; j<contours[i].size(); j++)
        {
            circle(tempImg, Point(contours[i][j].x, contours[i][j].y), 3, Scalar(0, 255, 0), 2, 8); //画出每个轮廓的每个点
            //line(tempImg, Point(3,3), Point(contours[i][j].x, contours[i][j].y), Scalar(0, 0, 255), 1, 8);
            //cout<<"("<<contours[i][j].x<<","<<contours[i][j].y<<")"<<endl;
            //waitKey(100);
            imshow("contours", tempImg);
        }
    }

    //孔洞填充
    findContours(srcImg, contours, hierarcy, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE); //查找轮廓
    drawContours(tempImg, contours, -1, Scalar(0, 255, 0), -1, 8); //绘制轮廓

    //标记连通域
    findContours(srcImg, contours, hierarcy, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE); //查找轮廓
    cout<<"num="<<contours.size()<<endl; //输出轮廓(连通域)个数
    for(int i=0; i<contours.size(); i++)
    {
        drawContours(tempImg, contours, i, Scalar(rand()%255, rand()%255, rand()%255), -1, 8); //绘制轮廓
    }

    imshow("contours", tempImg);
    waitKey(0);
}

MainWindow::~MainWindow()
{

}
暖暖的粉红冻奶
关注
专栏目录
OPENCV--绘制轮廓
weixin_44119674的博客
05-10 154
【代码】OPENCV--绘制轮廓。
OpenCV 入门教程：寻找和绘制轮廓
小蓝枣的博客
07-09 2142
寻找和绘制轮廓是图像处理中常用的技术之一，用于识别、定位和分析图像中的目标区域。在 OpenCV 中，寻找和绘制轮廓可以通过边缘检测和形态学操作实现。本文将以寻找和绘制轮廓为中心，为你介绍使用 OpenCV 进行轮廓处理的基本步骤和实例。
OPenCV膨胀函数dilate()的使用
jndingxin的专栏
02-07 1万+
OPenCV版本：4.4 IDE：VS2007 功能描述 简述：使用一个指定的核元素去膨胀一个图像，图像膨胀的过程类似于一个卷积的过程，源图像矩阵A以及结构元素B，B在A矩阵上依次移动，每个位置上B所覆盖元素的最大值替换B的中心位置值（即锚点处），完成整个膨胀的过程。 函数使用一个指定的核元素去膨胀源图像，内核有一个可定义的 锚点，我们叫他内核中心点，膨胀操作时，获取内核覆盖区域最大像素值，并代替锚点的像素，最大值通过以下公式获取： dst(x,y)=max⁡(x′,y′): element(x′,y′.
opencv 3.0 形态学运算 erode dilate
billbliss的专栏
03-28 5474
腐蚀和膨胀是相对于白色部分的（RGB图是浅色部分的） 膨胀(dilate) 局部最大值(浅色)扩大一圈。 腐蚀(erode) 局部最小值(深色)扩大一圈。 开运算(open) 纤细处分离物体，消除小黑点 闭运算(close) 连接小的空隙 形态学梯度(morph-grad) 将突出团块(blob)的边缘 顶帽(top-hat) 将突出比原轮廓亮的部分 黑帽(black-hat) 将突出比原轮廓暗的部分 算法： 开运算 = 腐蚀 + 膨胀 闭运算 = 膨胀 + 腐蚀 形态学梯度 = 膨胀 - 腐蚀 顶帽 =
一起学opencv (六) 形态学-腐蚀和膨胀
keetsky的博客
11-04 574
代码如下 #include #include #include int main() { // Read input image cv::Mat image = cv::imread("binary.bmp",0); if (!image.data) return 0; // Display the image cv::namedWindow("Image"); cv
OpenCV学习笔记(未完结)
weixin_44433423的博客
12-18 209
导入一些需要用的库 import numpy as np import cv2 as cv 关于膨胀 img = cv.imread("图片的路径") //不能出现中文路径 #定义一个卷积核 kernel = np.ones((5,5),np.uint8) //5*5的值为1的矩阵 imgDialation = cv.dialate(imgCanny,kernel,iterations = 1) //内核迭代1次 cv.imshow("Dialation Image",imgdialation) 运行结
Python--OpenCv轻松入门--绘制手掌的轮廓
weixin_54708431的博客
04-27 694
目录前言图像轮廓是什么？二、使用步骤1.引入库2.读取图片3.处理图像4.显示结果5.展示结果图像总结 前言 随着人工智能的不断发展，OpenCv这门技术也越来越重要，很多人都开启了学习OpenCv，本文就介绍了OpenCv的基础内容。 提示：以下是本篇文章正文内容，下面案例可供参考 图像轮廓是什么？ 图像轮廓是指将边缘连接起来形成的一个整体，用于后续的计算。 查找图像轮廓的函数：cv2.findContours() 绘制图像轮廓的函数：cv2.drawContours() 二、使用步骤 1.引入库 代码
OpenCV笔记： 查找轮廓
03-19
这篇“OpenCV笔记：查找轮廓”可能是关于如何在OpenCV中提取图像中的轮廓，这对于物体识别、形状检测等任务至关重要。 在OpenCV中，查找轮廓涉及以下几个关键步骤： 1. **读取图像**：首先，我们需要使用`imread`...
C++OpenCV3源代码查找并绘制轮廓
最新发布
04-28
通过对图像进行预处理，再利用OpenCV提供的函数进行轮廓查找与绘制，我们可以有效地提取图像中的对象边界信息。这种技术广泛应用于目标识别、形状分析等多个计算机视觉应用领域。希望本文能为读者提供有用的信息和...
OpenCV-Python系列（二）—— 图像处理（灰度图、二值化、边缘检测、高斯模糊、轮廓检测）
云霄IT的博客
02-26 7363
第四步：使用cv2.findContours 找出图片的轮廓值。第二步：使用cv2.cvtcolor() 将图片转换为灰度图。第五步：使用cv2.drawContours在图片上画上轮廓。第三步，高斯去噪 cv2.GaussianBlur()第五步，寻找轮廓 cv2.findContours()第六步，绘画轮廓 cv2.drawContours()第二步，转灰度图 cv2.cvtColor()第一步，读入照片 cv2.imread()第四步，边缘检测 cv2.Canny()
计算机视觉 OpenCV【七：应用之形状与轮廓检测】
Kukeoo的博客
05-01 7231
一、什么是形状与轮廓检测 给定一张图片： OpenCV能帮我们使用计算机来识别这些图像，首先可以勾勒出他们的轮廓，其次还可以识别哪些是三角形，哪些是圆形，哪些是矩形。 这就是形状、轮廓检测的功能。 二、预处理 形状与轮廓检测首先需要进行预处理，目的是找到图像的边缘，然后再找到图像的轮廓/轮廓点。 步骤如下： 1.转为灰度图像 2.添加高斯模糊 3.进行坎尼边缘检测 4.进行膨胀操作，使边缘间没有缝隙，称为完整的封闭图 原图： 灰度： 高斯模糊： 坎尼边缘检测：
图像处理——轮廓检测
Harriet的博客
10-19 6103
文章目录一、图像轮廓二、图像轮廓检测的实现三、轮廓特征四、轮廓近似 一、图像轮廓 图像轮廓与图像边界区别 图像轮廓指的是图像整体，连接在一起，而图像边界可能是零散的线段。 二、图像轮廓检测的实现 opencv轮廓检测函数 def findContours(image: Any, mode: Any, method: Any, contours: Any = None,
OpenCV轮廓Contour与连通域Connection
xss20072754的博客
12-08 5517
OpenCV轮廓Contour与连通域Connection 朋友们，今天我想跟大家分享OpenCV中的轮廓Contour与连通域Connection相关的知识。 通过这篇blog，你将了解： 怎么对图片进行二值化 什么是OpenCV 中的轮廓与连通域。 如何用OpenCV 提取轮廓和连通域。 如何使用不同的颜色来显示这些轮廓与连通域。 轮廓与连通域的区别。 在得到二值图的基础上，今天我想跟大家分享以下如何在OpenCV中提取轮廓Contour和连通域，并且用不同的颜色绘制出来。颜色可以是自己预先定义好
OpenCV之图像形态学运算
每一刻都是崭新的
01-27 1348
图像形态学运算主要包括一下几类：     腐蚀和膨胀这两类形态学运算的原理性解释网上很多，稍微搜索一下就可以获得比较全面的了解，而且在实际应用中很少有单独使用腐蚀或膨胀运算的，通常是将两者组合起来使用，也就是先腐蚀后膨胀的开运算、先膨胀后腐蚀的闭运算以及两者相减的形态学梯度运算，其中，开运算主要用来去除图像中的孤立点；闭运算则可用来填充物体内细小空洞、连接邻近连通域、平滑其边界，同时又不明显改变
图像处理（十一）：轮廓检测
GeniusAng的博客
02-19 9701
图像处理（十一）：轮廓检测
opencv之dilate()函数
热门推荐
duwangthefirst的博客
04-19 4万+
概述 dilate()函数可以对输入图像用特定结构元素进行膨胀操作，该结构元素确定膨胀操作过程中的邻域的形状，各点像素值将被替换为对应邻域上的最大值： API说明 C++ API： void cv::dilate ( InputArray src, （原始图像：通道数不限，depth必须是CV_8U，CV_16U，CV_16S，CV_32F或CV_64F） ...
Opencv之二帧差法运动目标检测与轮廓提取
sinat_34604992的博客
08-19 5256
Opencv学习之——二帧差法运动目标检测与轮廓提取 这是我的第一篇CSDN博文。 代码里加了好多注释。
OpenCV C++图像轮廓查找与绘制教程
开发者将学习如何找到二值化或特定阈值处理后的图像轮廓，并了解轮廓查找算法的工作原理。 4. 绘制轮廓：找到图像轮廓后，下一步是如何将这些轮廓在图像上可视化。`cv::drawContours`函数是绘制轮廓的关键，它可以...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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