【opencv】5.cv::findContours和cv::drawContours()

原文链接：https://blog.csdn.net/guduruyu/article/details/69220296

可以通过查找轮廓，找出图像中的对象。这轮廓是由一系列点组成的，根据查找轮廓时的不同方式，得到的轮廓点的数量也会有所不同。

1.cv::findContours解析：

函数cv::findContour是从二值图像中来计算轮廓的，它可以使用cv::Canny()函数处理后的图像，因为这样的图像含有边缘像素；也可以使用cv::threshold()或者cv::adaptiveThreshold()处理后的图像，其边缘隐含在正负区域的交界处。

void cv::findContours(
		cv::InputOutputArray image, // 输入的8位单通道“二值”图像
		cv::OutputArrayOfArrays contours, // 包含points的vectors的vector
		cv::OutputArray hierarchy, // (可选) 拓扑信息
		int mode, // 轮廓检索模式
		int method, // 近似方法
		cv::Point offset = cv::Point() // (可选) 所有点的偏移
	);

其中，第一个参数image是输入图像，图像的格式是8位单通道的图像，并且被解析为二值图像（即图中的所有非零像素之间都是相等的）。

第二个参数contours是一个数组的数组，在多数实际的操作中即是STL vectors的STL vector，这里将使用找到的轮廓的列表进行填充（即，这将是一个contours的vector,其中contours[i]表示一个特定的轮廓，这样，contours[i][j]将表示contour[i]的一个特定的端点）。

第三个参数hierarchy，这个参数可以指定，也可以不提指定。如果指定的话，输出hierarchy，将会描述输出轮廓树的结构信息。其中包含的具体信息前面已经说明（四个条目）。

下一个参数mode，轮廓的模式，将会告诉OpenCV你想用何种方式来对轮廓进行提取，有四个可选的值，具体如下：

cv::RETR_EXTERNAL：表示只提取最外面的轮廓；会有多个外轮廓，不是只有一个外轮廓。

cv::RETR_LIST：表示提取所有轮廓并将其放入列表；

cv::RETR_CCOMP:表示提取所有轮廓并将组织成一个两层结构，其中顶层轮廓是外部轮廓，第二层轮廓是“洞”的轮廓；

cv::RETR_TREE：表示提取所有轮廓并组织成轮廓嵌套的完整层级结构。

下一个参数method是近似方法，即轮廓如何呈现的方法，有三种可选的方法：

cv::CHAIN_APPROX_NONE：将轮廓中的所有点的编码转换成点；

cv::CHAIN_APPROX_SIMPLE：压缩水平、垂直和对角直线段，仅保留它们的端点；

cv::CHAIN_APPROX_TC89_L1 or cv::CHAIN_APPROX_TC89_KCOS：应用Teh-Chin链近似算法中的一种风格

最后一个参数offset是偏移，可选，如果指定，那么返回的轮廓中的所有点均作指定量的偏移。

---

2.cv::drawContours解析：

cv::drawContours()用于绘制cv::findContours()找到的轮廓。使用方法其实和OpenCV3中常用的绘图函数类似。具体调用方法如下：

	void cv::drawContours(
		cv::InputOutputArray image, // 用于绘制的输入图像
		cv::InputArrayOfArrays contours, // 点的vectors的vector
		int contourIdx, // 需要绘制的轮廓的指数 (-1 表示 "all")
		const cv::Scalar& color, // 轮廓的颜色
		int thickness = 1, // 轮廓线的宽度
		int lineType = 8, //  轮廓线的邻域模式('4'邻域 或 '8'邻域)
		cv::InputArray hierarchy = noArray(), // 可选 (从 findContours得到)
		int maxLevel = INT_MAX, // 轮廓中的最大下降
		cv::Point offset = cv::Point() // (可选) 所有点的偏移
	)

下面是这两个函数的实际使用示例：

cv::Mat image_gray = cv::imread("lena.jpg", cv::IMREAD_GRAYSCALE);
cv::Mat image_binary;

cv::threshold(image_gray, image_binary, 100, 255, cv::THRESH_BINARY);
std::vector< std::vector< cv::Point> > contours;
cv::findContours(
	image_binary,
	contours,
	cv::noArray(),
	cv::RETR_LIST,
	cv::CHAIN_APPROX_SIMPLE
	);
image_binary = cv::Scalar::all(0);
cv::drawContours(image_binary, contours, -1, cv::Scalar::all(255));

cv::imshow("gray image", image_gray);
cv::imshow("Contours", image_binary);

cv::waitKey(0);
return;