opencv轮廓抖动_OpenCV探索之路（十一）：轮廓查找和多边形包围轮廓

Canny一类的边缘检测算法可以根据像素之间的差异，检测出轮廓边界的像素，但它没有将轮廓作为一个整体。所以要将轮廓提起出来，就必须将这些边缘像素组装成轮廓。

OpenCV中有一个很强大的函数，它可以从二值图像中找到轮廓：findContours函数。

有时我们还需要把找到的轮廓画出来，那就要用到函数drawContours了。

findContours函数和那就要用到函数drawContours函数一般配套使用。

#include "opencv2/imgproc.hpp"

#include "opencv2/highgui.hpp"

#include

using namespace cv;

using namespace std;

void main()

{

Mat original = imread("test5.jpg");

namedWindow("My original");

imshow("My original", original);

Mat gray = original;

cvtColor(gray, gray, CV_RGB2GRAY);//灰度化

int thresh_size = (100 / 4) * 2 + 1; //自适应二值化阈值

adaptiveThreshold(gray, gray, 255, CV_ADAPTIVE_THRESH_GAUSSIAN_C, CV_THRESH_BINARY_INV, thresh_size, thresh_size / 3);

//morphologyEx(gray, gray, MORPH_OPEN, Mat());//形态学开运算去噪点

imshow("gray", gray);

vector > contours;

findContours(gray, contours, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_NONE); //找轮廓

vector> contours1;

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

{

contours1.push_back(contours[i]);

}

Mat hole(gray.size(), CV_8U, Scalar(0)); //遮罩图层

drawContours(hole, contours1, -1, Scalar(255), CV_FILLED); //在遮罩图层上，用白色像素填充轮廓，得到MASK

namedWindow("My hole");

imshow("My hole", hole);

Mat crop(original.rows, original.cols, CV_8UC3);

original.copyTo(crop, hole);//将原图像拷贝进遮罩图层

namedWindow("My warpPerspective");

imshow("My warpPerspective", crop);

waitKey(0);

}

右下角的图就是提取出来的轮廓图，真的是非常精准。不过精准只是因为原图的形状比较简单，如果遇到复杂图片，那情况就不太乐观了。

使用多边形把轮廓包围

在实际应用中，常常会有将检测到的轮廓用多边形表示出来的需求。比如在一个全家福中，我想用一个矩形框将我自己的头像框出来，这样就需要这方面的知识了。

OpenCv这方面的函数总结如下：

返回指定点集最外部矩形边界：boundingRect()

寻找给定的点集可旋转的最小包围矩形：minAreaRect()

寻找最小包围圆形：minEnclosingCircle()

用椭圆拟合二维点集：fitEllipse()

逼近多边形曲线：approxPolyDP()

下面给出这些函数用法的综合案例。

#include "opencv2/highgui/highgui.hpp"

#include "opencv2/imgproc/imgproc.hpp"

#include

#include

#include

using namespace cv;

using namespace std;

Mat src; Mat src_gray;

int thresh = 100;

int max_thresh = 255;

RNG rng(12345);

/// 函数声明

void thresh_callback(int, void*);

/** @主函数 */

int main(int argc, char** argv)

{

/// 载入原图像, 返回3通道图像

src = imread("test5.jpg", 1);

/// 转化成灰度图像并进行平滑

cvtColor(src, src_gray, CV_BGR2GRAY);

blur(src_gray, src_gray, Size(3, 3));

/// 创建窗口

char* source_window = "Source";

namedWindow(source_window, CV_WINDOW_AUTOSIZE);

imshow(source_window, src);

createTrackbar(" Threshold:", "Source", &thresh, max_thresh, thresh_callback);

thresh_callback(0, 0);

waitKey(0);

return(0);

}

/** @thresh_callback 函数 */

void thresh_callback(int, void*)

{

Mat threshold_output;

vector > contours;

vector hierarchy;

/// 使用Threshold检测边缘

threshold(src_gray, threshold_output, thresh, 255, THRESH_BINARY);

/// 找到轮廓

findContours(threshold_output, contours, hierarchy, CV_RETR_TREE, CV_CHAIN_APPROX_SIMPLE, Point(0, 0));

/// 多边形逼近轮廓 + 获取矩形和圆形边界框

vector > contours_poly(contours.size());

vector boundRect(contours.size());

vectorcenter(contours.size());

vectorradius(contours.size());

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

{

approxPolyDP(Mat(contours[i]), contours_poly[i], 3, true);

boundRect[i] = boundingRect(Mat(contours_poly[i]));

minEnclosingCircle(contours_poly[i], center[i], radius[i]);

}

/// 画多边形轮廓 + 包围的矩形框 + 圆形框

Mat drawing = Mat::zeros(threshold_output.size(), CV_8UC3);

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

{

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

drawContours(drawing, contours_poly, i, color, 1, 8, vector(), 0, Point());

rectangle(drawing, boundRect[i].tl(), boundRect[i].br(), color, 2, 8, 0);

circle(drawing, center[i], (int)radius[i], color, 2, 8, 0);

}

/// 显示在一个窗口

namedWindow("Contours", CV_WINDOW_AUTOSIZE);

imshow("Contours", drawing);

}

下面两张不同阈值的效果图把检测到的轮廓分别用多边形、圆形、矩形框出来了。

图像的矩

图像的矩到底是什么？

矩是概率与统计中的一个概念，是随机变量的一种数字特征。

有点抽象，简而言之，矩就是图像的特征信息，比如大小、位置、方向等。

OpenCV提供了一些函数来计算图像的矩：

矩的重心、主轴、面积等特征计算：moments()

计算轮廓面积：contourArea()

计算轮廓长度：arcLength()

下面的程序，使用了两种方法计算轮廓面积，第一种使用了moments()函数(程序里的mu[i].m00)，第二种使用了contourAra()函数进行面积计算，大家可以看一下两种方法计算出来的面积有没有差别。

#include "opencv2/highgui/highgui.hpp"

#include "opencv2/imgproc/imgproc.hpp"

#include

#include

#include

using namespace cv;

using namespace std;

Mat src; Mat src_gray;

int thresh = 100;

int max_thresh = 255;

RNG rng(12345);

/// 函数声明

void thresh_callback(int, void*);

/** @主函数 */

int main()

{

/// 读入原图像, 返回3通道图像数据

src = imread("lol10.jpg");

/// 把原图像转化成灰度图像并进行平滑

cvtColor(src, src_gray, CV_BGR2GRAY);

blur(src_gray, src_gray, Size(3, 3));

/// 创建新窗口

char* source_window = "Source";

namedWindow(source_window, CV_WINDOW_AUTOSIZE);

imshow(source_window, src);

createTrackbar(" Canny thresh:", "Source", &thresh, max_thresh, thresh_callback);

thresh_callback(0, 0);

waitKey(0);

return(0);

}

/** @thresh_callback 函数 */

void thresh_callback(int, void*)

{

Mat canny_output;

vector > contours;

vector hierarchy;

/// 使用Canndy检测边缘

Canny(src_gray, canny_output, thresh, thresh * 2, 3);

/// 找到轮廓

findContours(canny_output, contours, hierarchy, CV_RETR_TREE, CV_CHAIN_APPROX_SIMPLE, Point(0, 0));

/// 计算矩

vector mu(contours.size());

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

{

mu[i] = moments(contours[i], false);

}

/// 计算中心矩:

vector mc(contours.size());

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

{

mc[i] = Point2f(mu[i].m10 / mu[i].m00, mu[i].m01 / mu[i].m00);

}

/// 绘制轮廓

Mat drawing = Mat::zeros(canny_output.size(), CV_8UC3);

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

{

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

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

circle(drawing, mc[i], 4, color, -1, 8, 0);

}

/// 显示到窗口中

namedWindow("Contours", CV_WINDOW_AUTOSIZE);

imshow("Contours", drawing);

/// 通过m00计算轮廓面积并且和OpenCV函数比较

printf("\t Info: Area and Contour Length \n");

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

{

printf(" * Contour[%d] - Area (M_00) = %.2f - Area OpenCV: %.2f - Length: %.2f \n", i, mu[i].m00, contourArea(contours[i]), arcLength(contours[i], true));

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

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

circle(drawing, mc[i], 4, color, -1, 8, 0);

}

}

从结果看来，两种方法计算得到的面积是一样的。