- 轮廓
图像轮廓就是图像边界，主要针对二值图像，轮廓就是一系列点的集合
轮廓是一系列相连的像素点组成的曲线，代表了物体的基本外形。轮廓常用于形状分析和物体的检测和识别。
边缘检测根据灰度的突变检测边界，但检测到的边缘通常还是零散的片段，并未构成整体。从背景中分离目标，就要将边缘像素连接构成轮廓。也就是说，轮廓是连续的，边缘不一定都连续。边缘主要是作为图像的特征使用，而轮廓主要用来分析物体的形态。
2，C++ API : findContours 和 drawContours
CV_EXPORTS_W void findContours( InputArray image, OutputArrayOfArrays contours,
OutputArray hierarchy, int mode,
int method, Point offset = Point());
CV_EXPORTS_W void drawContours( InputOutputArray image, InputArrayOfArrays contours,
int contourIdx, const Scalar& color,
int thickness = 1, int lineType = LINE_8,
InputArray hierarchy = noArray(),
int maxLevel = INT_MAX, Point offset = Point() );
参数说明：
image：原始图像，8 位单通道二值图像
mode： 轮廓检索模式
cv.RETR_EXTERNAL：只检索最外层轮廓
cv.RETR_LIST：检索所有轮廓，不建立任何层次关系
cv.RETR_CCOMP：检索所有轮廓，并将其组织为两层， 顶层是各部分的外部轮廓，次层是内层轮廓
cv.RETR_TREE：检索所有轮廓，并重建嵌套轮廓的完整层次结构
cv.RETR_FLOODFILL：漫水填充法（泛洪填充）
method： 轮廓近似方法
cv.CHAIN_APPROX_NONE：输出轮廓的每个像素点
cv.CHAIN_APPROX_SIMPLE：压缩水平、垂直和斜线，仅保留这些线段的端点
cv.CHAIN_APPROX_TC89_L1：应用 Teh-Chin 链近似算法 L1
cv.CHAIN_APPROX_TC89_KCOS：应用 Teh-Chin 链近似算法 KCOS
contours：检测到的所有轮廓，列表格式，每个轮廓存储为包含边界点坐标 (x,y) 的点向量
列表（LIST）长度为 L，对应于找到的 L 个轮廓，按 0,…L-1 顺序排列
列表中的第 i 个元素是一个形如 (k,1,2) 的 Numpy 数组，表示第 i 个轮廓，k 是第 i 个轮廓的边界点的数量
数组 contours[i] 是构成第 i 个轮廓的各边界点坐标 (x,y) 的点向量
注意边界点的坐标表达形式是 (x,y)，而不是 OpenCV 中常用的像素坐标表达形式 (y,x)。
hierarchy：轮廓的层次结构和拓扑信息，是一个形如 (1,k,4) 的 Numpy 数组
k 对应于找到的轮廓数量
hierarchy[0][i] 表示第 i 个轮廓的层次结构，是包含 4个值的数组 [Next, Previous, First Child, Parent]，分别代表第 i 个轮廓的同层的后一个轮廓、同层的前一个轮廓、第一个子轮廓、父轮廓的编号
offset：每个轮廓点的偏移量，可选项，
注意事项：
原始图像 image 必须是单通道图像，其中的非 0 像素都被视为 1，因此图像被视为二值图像。在查找轮廓之前，可以使用 threshold、inRange、Canny 等方法从灰度或彩色图像中创建二值图像。
通常将轮廓近似方法 method 设为 CHAIN_APPROX_SIMPLE，对轮廓的水平、垂直和斜线进行压缩，只保留这些线段的端点，因此轮廓是由一系列线段连接而成的闭合曲线。
每一个轮廓都是一个 Numpy 数组，包含对象边界点 (x,y) 的坐标，注意不是 (y,x)。
如果从图像 ROI 中提取轮廓，然后在图像上下文中进行分析，偏移量 offset 将非常有用。
轮廓的层次结构的表达嵌套在顶级数组中，可以使用 hierarchy[0][i] 访问第 i 个轮廓的层次结构元素。
对应于第 i 个轮廓 contours[i]，hierarchy [i][0]~hierarchy[i][3] 分别代表它的同层的后一个轮廓、同层的前一个轮廓、第一个子轮廓、父轮廓的编号。
3，用法
//图像轮廓发现
int main(int argc, char** argv) {
Mat src = imread("F:/code/images/rice.png");
CV_Assert(!src.empty());
namedWindow("input", WINDOW_AUTOSIZE);
imshow("input", src);
//高斯滤波
GaussianBlur(src, src, Size(3, 3), 0);
//得到灰度图
Mat gray, binary;
cvtColor(src, gray, COLOR_RGB2GRAY);
imshow("gray", gray);
//得到二值图
threshold(gray, binary, 0, 255, THRESH_BINARY | THRESH_OTSU);
imshow("binary", binary);
//发现轮廓
vector<vector<Point>> contours;//因为每个contour都是一系列点的集合
vector<Vec4i> hierarchy;//层次信息
findContours(binary, contours, hierarchy, RETR_TREE, CHAIN_APPROX_SIMPLE, Point());
for (size_t t = 0; t < contours.size(); t++) {
drawContours(src, contours, -1, Scalar(0, 0, 255), 1, 8);
}
imshow("find contours demo", src);
waitKey(0);
destroyAllWindows();
return 0;
}
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。
文章由极客之音整理，本文链接：https://www.bmabk.com/index.php/post/182006.html
