opencv之轮廓发现

opencv版本：3.4.7
编译器版本：VS2019

轮廓发现概述(find contour in your image)

• 轮廓发现是基于图像边缘提取的基础寻找对象轮廓的方法。所以边缘提取的阈值选定会影响最终轮廓发现的结果

---

相关函数API

在二值图像上发现轮廓 findContoursAPI

void findContours(
    InputOutputArray image, //输入图像，非0图像看做1，0像素保持不变，8bit
	OutputArrayOfArrays contours,//发现全部的轮廓对象
	OutputArray hierarchy, //该图的拓扑结构，可选，该轮廓发现算法是基于图像拓扑结构的实现
	int mode,//轮廓返回的模式
	int method, //发现方法
	Point offset = Point()//轮廓像素位移，默认(0,0)没有位移
	);

参数介绍

• image：单通道图像矩阵，可以是灰度图，但更常用的是二值图像，一般是经过Canny、拉普拉斯等边缘检测算子处理过的二值图像；
• contours：vector<vector<Point>>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。
• hierarchy：vector<Vec4i> 类型，Vec4i是Vec<int,4>的别名，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，所以从定义上看，hierarchy也是一个向量，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。
• mode：int类型的，定义轮廓的检索模式：
  • 取值一：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；
  • 取值二：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；
  • 取值三：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；
  • 取值四：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。
• method：int类型，定义轮廓的近似方法：
  • 取值一：CV_CHAIN_APPROX_NONE 保存物体边界上所有连续的轮廓点到contours向量内；
  • 取值二：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；
  • 取值三和四：CV_CHAIN_APPROX_TC89_L1，CV_CHAIN_APPROX_TC89_KCOS使用teh-Chinl chain 近似算法；
• 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，并且Point还可以是负值。

注意事项：
显然，从函数名可以看出“寻找轮廓”的意思。我们可以通过边缘检测算法得到边缘二值图或者前景二值图，二值图的边缘像素或者前景像素就可以被看出是由多个轮廓（点集）组成的。函数findContours的作用就是将二值图的边缘像素或者前景像素拆分成多个轮廓，便于分开讨论每一个轮廓，其中参数image代表一张二值图**，contours代表输出的多个轮廓。对于该函数的C++API**，对一个轮廓的描述用vector，那么多个轮廓（多个点集）如何表示呢?即参数contours是什么数据结构呢？在C++API中，用vector<vector>描述多个轮廓，即将多个轮廓存在一个vector中。

---

绘制轮廓 drawContours函数API

void drawContours(
                  InputOutputArray image,  //输入图像 轮廓将绘制到此图上 
	              InputArrayOfArrays contours, //全部发现的轮廓对象
	              int contourIdx,//轮廓索引号
	              const Scalar& color,//绘制时候的颜色
	              int thickness = 1,//绘制线宽
	              int lineType = 8, //线的类型
	              InputArray hierarchy = noArray(),//拓扑结构图
	              int maxLevel = INT_MAX, //最大层数，0只绘制当前的，1表示绘制当前及其内嵌的轮廓
	              Point offset = Point()//轮廓位移 可选
	              )

参数介绍

• image: 代表输入的图像矩阵，将轮廓画在该图上；
• contours：是得到的一系列点的集合，代表多个轮廓；
• contourIdx：是一个索引，代表绘制contours中的第几个轮廓；
• color：被填充的颜色，单色可以设置为Scalar(255)等；
• thickness: 所画Contour的线条粗细，如果该参数值小于0，则表示填充整个轮廓内的区域；
• lineType： 线的连通性；
• 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；
• 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。如果值为2，所有的轮廓。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
• 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。

---

图像处理流程

• 输入图像转化为灰度图
• 使用Canny进行边缘提取，得到二值图
• 使用findContours寻找轮廓
• 使用drawContours绘制轮廓

---

代码演示

#include <opencv2/opencv.hpp>
#include <iostream>
#include <math.h>
 
using namespace std;
using namespace cv;

#define PIC_PATH "C:\\pic\\"
#define PIC_NAME "1.jpg"

Mat src;
int threshold_value = 20;
int threshold_max = 255;

void contours_demo(int, void*);
int main() 
{
string pic = string(PIC_PATH) + string(PIC_NAME);
	cout << "原始图片为:"<<pic << endl;

	src = imread(pic);
	if (src.empty()) {
		cout << "图片不存在" << endl;
		return -1;
	}
	namedWindow("原始图片", WINDOW_AUTOSIZE);
	imshow("原始图片", src);

	cvtColor(src, src, COLOR_BGR2GRAY);  //转化为灰度图像

	namedWindow("灰度图像", WINDOW_AUTOSIZE);
	imshow("灰度图像", src);

	createTrackbar("边缘调整", "原始图片", &threshold_value, threshold_max, contours_demo);
	contours_demo(0, 0);
	
	
	waitKey(0);
	destroyAllWindows();
	return 0;
}
 
void contours_demo(int, void*)
{
	Mat canny_output,dst;

	vector<vector<Point>> contourspoints;   //轮廓集合
	vector<Vec4i> hierachy;                 //对应每一个轮廓所对用的层次索引 后一个轮廓 前一个轮廓 父轮廓 内嵌轮廓的索引编号
	Canny(src, canny_output, threshold_value, threshold_value * 2, 3, false);   //边缘处理
	//轮廓查找
	findContours(canny_output, contourspoints, hierachy, CV_RETR_TREE, CV_CHAIN_APPROX_SIMPLE, Point(0, 0));
	
	//创建目标图像
	dst = Mat::zeros(src.size(), CV_8UC3);
	
	RNG rng(123456);    //定义一个随机数变量
	for (size_t i = 0; i < contourspoints.size(); i++)
	{
		Scalar color = Scalar(rng.uniform(0, 255), rng.uniform(0, 255), rng.uniform(0, 255));   //定义画笔颜色
		drawContours(dst, contourspoints, i, color, 2, 8, hierachy, 0, Point(0, 0));   //绘制轮廓
	}
	namedWindow("轮廓图", WINDOW_AUTOSIZE);   //显示目标图像
	imshow("轮廓图", dst);
}

---

执行效果

---

参考链接：https://blog.csdn.net/weixin_41695564/article/details/80085012