Opencv——findContours函数再探（由轮廓联想连通域)

本文主要是介绍Opencv——findContours函数再探（由轮廓联想连通域)，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

关于调参的一些思考

合理的参数设置，应该是基于对需要解决的问题的一些已知条件。如需要提取的线段的长度范围，需要定位的工件的尺寸、大小(面积)、形状，周长，矩形度，圆形度等。

分析图像的一些角度

1.从算法上
图像降噪，直方图增强，二值化，频率分析，图像形态学，几何信息提取，特征提取，等各种数学方法。尽可能多的输出结果。
2.从策略上
筛选出实际需要的结果。
把握需要的信息和干扰信息的本质差距。

面积、周长、矩形度、圆形度、宽长比

圆形度
最小外接矩形
宽敞比
这里不做具体分析，以后专门写一篇笔记。

例1：找出汽车轮毂圆孔（从轮廓和连通域两个角度）

原图：

分析：
1、获取二值图像（选用二值化阈值或者canny算子扫描）
2、通过findContours函数寻找连通域，轮廓则是对应连通域的轮廓
3、通过minAreaRect函数获取轮廓最小矩形框（可旋转），利改矩形框的特征来锁定目标（这里我们限制，矩形框的长宽比值在1附近，并且矩形框的宽度大于10）
4、对锁定的轮廓，通过drawContours函数绘制轮廓（注意参数，倒数第二个填-1则为填该改轮廓，类似漫水填充，不过漫水填充不能获取轮廓特征）
另一种思路：
1、获取二值图像（这里为了使圆圈内部为白，使用反阈值）
2、利用connectedComponentsWithStats函数获取连通域矩阵
3、通过状态矩阵statsMat，来获取连通域最小外接四边形（bounding box）的 x, y, width,height和面积（像素数量）
4、通过四边形的条件来限制

思路1代码：

int main()
{cv::Mat srcMat = imread("D:\\opencv_picture_test\\rim.png", 1);Mat dstMat, binMat;cvtColor(srcMat, dstMat, COLOR_BGR2GRAY);threshold(dstMat, binMat, 0, 255, THRESH_OTSU);imshow("bin", binMat);//通过findContours函数寻找连通域vector<vector<Point>> contours;vector<Vec4i> hierarchy;findContours(binMat, contours, RETR_LIST,CHAIN_APPROX_NONE);//绘制轮廓,内填充for (int i = 0; i < contours.size(); i++) {RotatedRect rbox = minAreaRect(contours[i]);if (fabs(rbox.size.width * 1.0 / rbox.size.height - 1) < 0.1 && rbox.size.width > 10)drawContours(srcMat, contours, i, Scalar(0, 255, 255), -1, 8);}imshow("rim", srcMat);waitKey(0);
}

二值图：

框定图：

思路2代码：

int main()
{Mat lableMat;Mat statsMat;Mat centerMat;Mat srcMat = imread("D:\\opencv_picture_test\\轮廓\\rim.png", 1);		//读取灰度Mat dstMat;cvtColor(srcMat, srcMat, COLOR_BGR2GRAY);//调用阈值函数threshold(srcMat, dstMat, 120, 255,THRESH_BINARY_INV);//腐蚀操作//Mat element = getStructuringElement(MORPH_ELLIPSE, Size(9,9));		//morphologyEx(dstMat,dstMat, MORPH_ERODE, element);		int nComp = cv::connectedComponentsWithStats(dstMat,lableMat,statsMat,centerMat,8,CV_32S);for (int i = 1; i < nComp; i++){cout << "pixels = " << statsMat.at<int>(i, 4) << endl;cout << "width = " << statsMat.at<int>(i, 2) << endl;cout << "height = " << statsMat.at<int>(i, 3) << endl;cout << endl;}for (int i = 1; i < nComp; i++){Rect bndbox;bndbox.x = statsMat.at<int>(i, 0);bndbox.y = statsMat.at<int>(i, 1);bndbox.width = statsMat.at<int>(i, 2);bndbox.height = statsMat.at<int>(i, 3);if (fabs(bndbox.width * 1.0 / bndbox.height - 1) < 0.1 && bndbox.width > 30)rectangle(srcMat, bndbox, CV_RGB(255, 255, 255), 1, 8, 0);}imshow("src", srcMat);//imshow("dst", dstMat);waitKey(0);
}

效果图：

例2：找出芯片中间正方形物体

原图：

分析：
1、获取二值图像（选用二值化阈值或者canny算子扫描）
2、通过findContours函数寻找连通域，轮廓则是对应连通域的轮廓
3、通过minAreaRect函数获取轮廓最小矩形框（可旋转），利改矩形框的特征来锁定目标（这里我们限制，矩形框的长宽比值在1附近，并且矩形框的宽度大于10）
4、对锁定的轮廓，通过drawContours函数绘制轮廓
5、通过轮廓外最小矩形的四个顶点坐标，来绘制边框
另一种思路：
1、获取二值图像（这里为了使圆圈内部为白，使用反阈值）
2、利用connectedComponentsWithStats函数获取连通域矩阵
3、通过状态矩阵statsMat，来获取连通域最小外接四边形（bounding box）的 x, y, width,height和面积（像素数量）
4、通过四边形的条件来限制
最小矩形
思路1代码：

*--------------------------【练习2】矩形框-------------------------------------*/
int main()
{cv::Mat srcMat = imread("D:\\opencv_picture_test\\轮廓\\die_on_chip.png", 1);Mat dstMat, binMat;cvtColor(srcMat, dstMat, COLOR_BGR2GRAY);threshold(dstMat, binMat, 0, 255, THRESH_OTSU);imshow("bin", binMat);//通过findContours函数寻找连通域vector<vector<Point>> contours;vector<Vec4i> hierarchy;findContours(binMat, contours, RETR_LIST, CHAIN_APPROX_NONE);//绘制轮廓for (int i = 0; i < contours.size(); i++) {RotatedRect rbox = minAreaRect(contours[i]);if (fabs(rbox.size.width * 1.0 / rbox.size.height - 1) < 0.1 && rbox.size.width > 10){drawContours(srcMat, contours, i, Scalar(0, 255, 255), 1, 8);Point2f vtx[4];rbox.points(vtx);for (int j = 0; j < 4; ++j) {cv::line(srcMat, vtx[j], vtx[j < 3 ? j + 1 : 0], Scalar(0, 0, 255), 3, LINE_AA);}}}imshow("die_on_chip", srcMat);waitKey(0);
}

思路2代码：

*--------------------------【练习1连通域解法】-------------------------------------*/int main()
{Mat lableMat;Mat statsMat;Mat centerMat;Mat srcMat = imread("D:\\opencv_picture_test\\轮廓\\die_on_chip.png", 1);		//读取灰度Mat dstMat;cvtColor(srcMat, srcMat, COLOR_BGR2GRAY);//调用阈值函数threshold(srcMat, dstMat, 120, 255,THRESH_BINARY);//腐蚀操作//Mat element = getStructuringElement(MORPH_ELLIPSE, Size(9,9));		//morphologyEx(dstMat,dstMat, MORPH_ERODE, element);		int nComp = cv::connectedComponentsWithStats(dstMat,lableMat,statsMat,centerMat,8,CV_32S);for (int i = 1; i < nComp; i++){cout << "pixels = " << statsMat.at<int>(i, 4) << endl;cout << "width = " << statsMat.at<int>(i, 2) << endl;cout << "height = " << statsMat.at<int>(i, 3) << endl;cout << endl;}for (int i = 1; i < nComp; i++){Rect bndbox;bndbox.x = statsMat.at<int>(i, 0);bndbox.y = statsMat.at<int>(i, 1);bndbox.width = statsMat.at<int>(i, 2);bndbox.height = statsMat.at<int>(i, 3);if (fabs(bndbox.width * 1.0 / bndbox.height - 1) < 0.2 && statsMat.at<int>(i, 4)>=1200)rectangle(srcMat, bndbox, CV_RGB(0, 255, 255), 1, 8, 0);}imshow("src", srcMat);//imshow("dst", dstMat);waitKey(0);
}

效果图：
思路2

例3：桌面上橘色物体

分析：
1、RGB转HSV图
2、将HSV通道分离，获取三个通道值
3、对S通道进行二值化处理
4、接下来按照上面两题的思路，找轮廓，框定。、
代码：

//*--------------------------【练习3】矩形框-------------------------------------*/
int main()
{cv::Mat srcMat = imread("D:\\opencv_picture_test\\轮廓\\topic1.jpg", 1);Mat dstMat, binMat;cvtColor(srcMat, dstMat, COLOR_BGR2HSV);vector<Mat> channels;split(dstMat, channels);//namedWindow("H", WINDOW_NORMAL);//WINDOW_NORMAL允许用户自由伸缩窗口//imshow("H", channels.at(0));namedWindow("S", WINDOW_NORMAL);//WINDOW_NORMAL允许用户自由伸缩窗口imshow("S", channels.at(1));//namedWindow("V", WINDOW_NORMAL);//WINDOW_NORMAL允许用户自由伸缩窗口//imshow("V", channels.at(2));//将S通道的图像复制，然后处理Mat S_Mat;channels.at(1).copyTo(S_Mat);//namedWindow("S", WINDOW_NORMAL);//WINDOW_NORMAL允许用户自由伸缩窗口//imshow("S", S_Mat);threshold(S_Mat, binMat, 120, 255, THRESH_BINARY);namedWindow("bin", WINDOW_NORMAL);//WINDOW_NORMAL允许用户自由伸缩窗口imshow("bin", binMat);//通过findContours函数寻找连通域vector<vector<Point>> contours;vector<Vec4i> hierarchy;findContours(binMat, contours, RETR_LIST, CHAIN_APPROX_NONE);//绘制轮廓for (int i = 0; i < contours.size(); i++) {RotatedRect rbox = minAreaRect(contours[i]);if (fabs(rbox.size.width * 1.0 / rbox.size.height - 1) < 0.3 && rbox.size.width > 10){drawContours(srcMat, contours, i, Scalar(0, 255, 255), 1, 8);Point2f vtx[4];rbox.points(vtx);for (int j = 0; j < 4; ++j) {cv::line(srcMat, vtx[j], vtx[j < 3 ? j + 1 : 0], Scalar(255, 255, 255), 2, LINE_AA);}}}namedWindow("topic1", WINDOW_NORMAL);//WINDOW_NORMAL允许用户自由伸缩窗口imshow("topic1", srcMat);waitKey(0);return 0;}

S通道图：

用S通道进行二值化：
二值图
框定图：

总结

从目前来看，框定目标物体我们从轮廓和连通域都可以。
其中，利用minAreaRect函数可以获取轮廓最小矩形框的参数值，也包括了轮廓的部分信息。
利用connectedComponentsWithStats获取连通域，可从中获取的连通域信息。
利用这些信息，结合矩形度、圆形度、宽长比等数学特征则可以剔除一些不符合特征的备选项。

这篇关于Opencv——findContours函数再探（由轮廓联想连通域)的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！