Opencv2.4学习：：轮廓检测

本文主要是介绍Opencv2.4学习：：轮廓检测，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！

轮廓检测

意义：

轮廓信息对于物体检测而言有着十分重要的意义，根据提取到的轮廓信息，通过轮廓点集的特征选择适合的处理算法，即可提取到物体的形状信息，从而提取所需检测的物体。

大概原理：

对原图像进行二值化处理，利用边缘点连接的层次差别，提取位于结构特征高的区域点集构成的集合，这部分点集很可能就是物体的轮廓。

核心函数：

详细参见：https://www.jianshu.com/p/4bc3349b4611 有官方源文档

findContours( InputOutputArray image, OutputArrayOfArrays contours,  OutputArray hierarchy, int mode,  int method, Point offset=Point());

第一个参数：image，单通道图像矩阵，可以是灰度图等；
第二个参数：contours，定义为“vector<vector<Point>> contours”，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。
第三个参数：hierarchy，定义为“vector<Vec4i> hierarchy”，Vec4i定义： typedef Vec<int, 4> Vec4i; 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，且向量的容量相同。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、第一个子轮廓、父轮廓的索引编号。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。
第四个参数：int型的mode，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。那么输出参数中的hierarchy[i] [2]=hierarchy[i][3]=-1 （没有父轮廓和内嵌轮廓）
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。
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。
第五个参数：int型的method，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_CODE：以Freeman链码的方式输出轮廓，所有其他方法输出多边形（顶点的序列）。
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
第六个参数：偏移量，比如你要从图像的（100, 0）开始进行轮廓检测，那么就传入（100, 0）。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！

测试：

从上面的函数解释来看，这个函数的参数比较多。这里从简单开始进行一些测试来对比参数的功能。

1、只检测最外层轮廓

mode使用CV_RETR_EXTERNAL即可

#include<opencv2/highgui/highgui.hpp>
#include<opencv2/imgproc/imgproc.hpp>
#include<iostream>
#include<stdio.h>
#include<stdlib.h>
using namespace cv;
using namespace std;
Mat srcImage;
Mat srcGray;
int thresh = 100;
int max_thresh = 255;
RNG rng(12345);
//tracebar回调
void thresh_callback(int, void *)
{Mat canny_output;vector<vector<Point>>contours;vector<Vec4i> hierarchy;//canny边缘检测Canny(srcGray, canny_output, thresh, thresh * 2, 3);//寻找轮廓findContours(canny_output, contours, hierarchy,CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE, Point(0, 0));//绘制轮廓Mat drawing = Mat::zeros(canny_output.size(), CV_8UC3);for (int i = 0; i < contours.size(); i++){//定义随机颜色Scalar color = Scalar(rng.uniform(0, 255),rng.uniform(0, 255), rng.uniform(0, 255));//绘制drawContours(drawing, contours, i, color,2, 8, hierarchy, 0, Point());}//显示namedWindow("contours", CV_WINDOW_AUTOSIZE);imshow("contours", drawing);
}void main()
{srcImage = imread("F:\\opencv_re_learn\\contour1.jpg");if (!srcImage.data){cout << "failed to read" << endl;system("pause");return;}//灰度图cvtColor(srcImage, srcGray, CV_BGR2GRAY);blur(srcGray, srcGray, Size(3, 3));//string src_win = "srcImage";namedWindow(src_win, CV_WINDOW_AUTOSIZE);imshow(src_win, srcImage);//创建滑动条createTrackbar("threth:", "srcImage", &thresh,max_thresh, thresh_callback);thresh_callback(0, 0);waitKey(0);
}

效果：

2、检测所有轮廓，且建立等级结构

mode使用CV_RETR_TREE

若想只绘制出内层轮廓

那么，查看轮廓等级树hierarchy

这里有4个轮廓，其中【0】和【1】重复，【2】和【3】重复

而且从上面可以看出，右侧有两个旮沓的是内层轮廓

【0】是 -1，-1，1，-1 表示它的子轮廓是【1】，没有父轮廓，表示该轮廓为最外层轮廓
【1】是-1，-1，2，0 表示它的子轮廓是【2】，父轮廓是【0】
【2】是 -1，-1，3，1 表示它的子轮廓是【3】，父轮廓是【1】
【3】是-1，-1，-1，2 表示它没有子轮廓，父轮廓是【2】，表示该轮廓为最内层轮廓

那么，【3】就是我们想要的轮廓

法一

绘制轮廓函数 drawContours(drawing, contours, i 3, color,2, 8, hierarchy, 0, Point());

把i，改成3，即可

法二

从上面分析可知，当hierarchy[i][3]==-1 时，那么这个轮廓很可能就是内层的轮廓

于是，代码修改为：
		//绘制if (hierarchy[i][2] == -1){drawContours(drawing, contours, i, color,2, 8, hierarchy, 0, Point());}

效果：

从右侧边框的旮沓，可以得知，这个是内层轮廓