用c语言做图片轮廓提取,Opencv实现轮廓提取功能

轮廓：一个轮廓代表一系列的点(像素)，这一系列的点构成一个有序的点集，所以可以把一个轮廓理解为一个有序的点集。

在opencv中，提供了一个函数返回一个有序的点集或者有序的点集的集合(指多个有序的点集)，函数findContour是从二值图像中来计算轮廓的，一般使用Canny()函数处理后的图像，因为这样的图像含有边缘像素。

寻找轮廓的API函数：

findContours(image,vector> contours,vectorhierarchy,int mode,int method,Point offset = Point(0,0));

参数解释：

(1)image：单通道图像矩阵，一般是经过canny处理后的二值图像；

(2)contours：vector>类型，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；

(3)hierarchy：vector 类型， 即容器内每一个元素都是一个包含了4个int型变量的向量，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；

(4)mode：int类型的，定义轮廓的检索模式：

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；

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；

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；

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。

(5)method：int类型，定义轮廓的近似方法：

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

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；

CV_CHAIN_APPROX_TC89_L1，CV_CHAIN_APPROX_TC89_KCOS使用teh-Chinl chain 近似算法；

(6) 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，一般不偏移取Point(0,0)。

画轮廓的API函数：

drawContours(Outputimage,contours,hierarchy,int contourIdx,color,int thickness ,int lineType,hierarchy = noArray(),int maxLevel = INT_MAX,Point offset = Point(0,0))

参数解释：

(1)outputimage: 将轮廓画在该图上；

(2)contours：前面寻找到的轮廓；

(3)contourIdx：是一个索引，代表绘制contours中的第几个轮廓；

(4) color：颜色；

(5)thickness: 线宽；

(6)lineType： 线型；

(7)hierarchy：可选层次信息结构，这里面是findContours所的到的基于Contours的层级信息；

(8)maxLevel： 绘制轮廓的最大等级。如果等级为0，绘制单独的轮廓。如果为1，绘制轮廓及在其后的相同的级别下轮廓。如果等级为2，绘制所有同级轮廓及所有低一级轮廓，诸此种种。如果值为负数，函数不绘制同级轮廓，但会升序绘制直到级别为abs(max_level)-1的子轮廓；

(9)offset：照给出的偏移量移动每一个轮廓点坐标.当轮廓是从某些感兴趣区域(ROI)中提取的然后需要在运算中考虑ROI偏移量时，将会用到这个参数。

#include

using namespace cv;

using namespace std;

int value = 50;

Mat src, dst, canny_img;

void callback(int, void*);

int main(int arc, char** argv)

{

src = imread("2.jpg");

namedWindow("src",CV_WINDOW_AUTOSIZE);

imshow("src", src);

cvtColor(src, src, CV_BGR2GRAY);

namedWindow("output", CV_WINDOW_AUTOSIZE);

createTrackbar("threshold", "output", &value, 255, callback);

callback(0, 0);

waitKey(0);

return 0;

}

void callback(int, void*) {

Canny(src, canny_img, value, 2 * value);

imshow("canny", canny_img);

vector>contours;

vectorhierarchy;

findContours(canny_img, contours, hierarchy, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE,Point(0,0));

dst = Mat::zeros(src.size(), CV_8UC3);

RNG rng(1);

for (int i = 0; i < contours.size(); i++) {

Scalar color = Scalar(rng.uniform(0, 255), rng.uniform(0, 255), rng.uniform(0, 255));

drawContours(dst, contours, i, color, 2, 8, hierarchy, 0, Point(0, 0));

}

imshow("output", dst);

}

运行结果如下：

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持脚本之家。