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;