opencv findContuors 详解

官网的解释很明白，结合http://blog.csdn.net/jfuck/article/details/9620889画了两个图一起解释就直观了。主要的方法来自Suzukietc. 1985这篇1985年的论文。

 

函数原型：

C++: void findContours(InputOutputArray image,OutputArrayOfArrays contours, OutputArray hierarchy,int mode, int method, Point offset=Point())¶

C++: void findContours(InputOutputArray image,OutputArrayOfArrays contours, int mode, int method,Point offset=Point())

Python: cv2.findContours(image, mode, method[, contours[, hierarchy[,offset]]]) → contours, hierarchy

 

参数解释:

image: 输入图像

 

contours：检测到的contours，以点对的形式存储

 

hierarchy：可选择的输出，包含图像的拓扑结构。下面的这个图解释了hierarchy的结构。

其中如果没有的话为-1. 还可以用一个树形图来表示他们之间的关系，下图左边是假设有5个边界，他们之间的包含关系可以直接看出，也可以用右边的树状图表示，那么上面的表格就用四列数据表示了这种树状关系，读者可以将二者一一对应起来。这个hierarchy的索引是从0开始的(0-based)，使用的时候注意即可。

mode: Contour retrievalmode. 也就是检测边缘的方法，不同的mode返回不同的东西。

l  CV-RETR_EXTERNAL: 听名字就知道了，返回的是仅仅最外边的一层contours。上文博客说此时hierarchy没有任何作用是不正确的，只是后两列中的数值设为-1了，前 两列的数还有意义。

l  CV_RETR_LIST: 这个是只返回轮廓信息，而不识别不同轮廓之间的拓扑结构，因此此时hierarchy就没什么用了。

l  CV_RETR_CCOMP: 这个返回的是两层树状结构，物体(components)在第一层，空洞(holes)在第二层。如果空洞中仍然有物体，那么其边界也会被列入第一层。

l  CVRETR_TREE: 这个就是最全的一个了，所有的边界信息外加hierarchy，也就是上图中的树状图。

 

method：这个参数就是为了节省点内存空间。对于一条直线没有必要保存下来他全部的点，只需要保存下来端点就可以还原整条直线了。因此不同参数对应着不同的边界点保存方法。

l  CV_CHAIN_APPROX_NONE：看名字就知道了，不估计嘛，因此所有点都保存下来。

l  CV_CHAIN_APPROX_SIMPLE：看名字吧，简单的估计方法，具体就不深究了。

注意：老版本的Python中使用cv2.CHAN_APPROX_NONE，也就是说没有CV_字符，其他同理，注意即可。 

好了，又到了大家最喜欢的上代码时间了：

import cv2
import numpy as np
import matplotlib.pyplot as plt

#init image 
img = np.ones((200, 200, 3), dtype = np.uint8) * 255
img[:, :9, :] = 0
img[:, -10:, :] = 0
img[:9, :, :] = 0
img[-10:, :, :] = 0

#convert color
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

#find contours
contours, hierarchy = cv2.findContours(gray, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

#draw contours
cv2.drawContours(img, contours, -1, (0,255, 0), 1)

plt.figure(), plt.imshow(img, cmap = 'gray')
plt.show()

结果如下：