python OpenCV学习笔记（二十）：轮廓层次结构

官方文档 – https://docs.opencv.org/3.4.0/d9/d8b/tutorial_py_contours_hierarchy.html

---

这一次，我们学习了轮廓的层次结构，也就是轮廓的父子关系。

理论

在最后几篇关于轮廓的文章中，我们已经研究了一些与OpenCV所提供的轮廓有关的函数。但是当我们用cv.findContours()函数找到图像的轮廓时，我们已经传入了一个参数，轮廓检索模式（Contour Retrieval Mod）。我们通常传入cv.RETR_LIST或cv.retrtree，它运行的很好。但它到底是什么意思呢？
同样，在输出中，我们得到了三个数组，首先是图像，其次是我们的轮廓，还有一个输出，我们把它命名为层次结构。但我们从未在任何地方使用这种层次结构。那么这个层次结构是什么，它是用来干什么的呢？它与前面提到的函数参数的关系是什么?

什么是层次结构

通常我们使用cv.findContours()函数来检测图像中的对象，对吗？有时物体在不同的位置。但在某些情况下，有些形状是在其他形状中。就像嵌套数据。
在这种情况下，我们将外部称为父类，而内部类称为子类。这样，图像中的轮廓就会有一些相互关系。我们可以指定一个轮廓是如何相互连接的，比如，它是其他轮廓的子结点，或者是父结点等等，这种关系的表示被称为层次结构。

在这个图像中，有一些形状是我从0-5中编号的。2和2a表示最外层的外部和内部的轮廓。

这里，轮廓0,1,2是外部的或最外层的。我们可以说，它们在等级-0中，或者它们在相同的层次结构中。

其次是 轮廓-2a。可以把它看作是 轮廓-2 的子类(或者相反的，轮廓-2 是 轮廓-2a 的父类)。所以让它在等级-1中。类似的，轮廓-3 是 轮廓-2 的子，它在下一个层次结构中。最后，轮廓-4、5 是 轮廓-3a 的子类，他们进入了最后的等级等级。从我编号的方式，我想说，轮廓-4 是 轮廓-3a 的第一个子类(它也可以是 轮廓-5)。

OpenCV中的层次结构表示

每个轮廓都有它自己关于它是什么层级，谁是它的子类，谁是它的父类等等的信息。OpenCV将它表示为四个值的数组：[ 下一个（Next），前一个（Previous），第一个子类（First_Child），父类（Parent） ]
Next表示同一个层次的下一个轮廓
例如，在我们的图片中取一个 轮廓-0 。那么谁是下一个等级？是 轮廓-1 ，所以 Next=1 。对于 轮廓-1 ，下一个就是 轮廓-2，所以 Next=2
轮廓-2 呢？在同一水平上没有下一个轮廓，所以 Next=-1 。轮廓-4呢？和 轮廓-5 在同一个层级，所以下一个轮廓就是 轮廓-5， Next=5
Previous表示同一个层次的前一个轮廓
和上面一样。轮廓-1 同层次的前一个轮廓是 轮廓-0 。相似的对于 轮廓-2，前一个是 轮廓-1 。同样对于 轮廓-0，没有前一个，则表示 -1 。
First_Child表示第一个子类轮廓
对于 轮廓-2，子类是 轮廓-2a 。所以它得到了相应的 轮廓-2a 的索引值。轮廓-3a 呢，它有两个子类。但是我们只取第一个子类。是 轮廓-4 。所以对于 轮廓-3a来说，First_Child=4
Parent表示其父轮廓的索引。
与First_Child相对。轮廓-4 和 轮廓-5 的父类都是 轮廓-3a，轮廓-3a 的父类是 轮廓-3
如果没有子类或者父类，都是-1
因此，现在我们了解了OpenCV中使用的层次结构样式，我们可以在OpenCV中使用相同的图像来检查OpenCV中的轮廓检索模式

轮廓检索模式

cv.RETR_LIST

这是四个标志中最简单的一个。它只检索所有的轮廓，但不创建任何父子关系。在这条规则下，父类和子类是平等的，他们只是轮廓。它们都属于同一个层次结构。
这里，层级数组中的第3和第4项总是-1。但很明显，下一项和之前的项会有相应的值。
下面是我得到的结果，每一行都是对应轮廓的层次结构细节。例如，第一行对应于轮廓-0。下一个轮廓是轮廓-1。所以Next= 1。没有之前的轮廓，所以Previous=-1。剩下的两个，正如前面说的，它是-1。

>>> hierarchy
array([[[ 1, -1, -1, -1],
        [ 2,  0, -1, -1],
        [ 3,  1, -1, -1],
        [ 4,  2, -1, -1],
        [ 5,  3, -1, -1],
        [ 6,  4, -1, -1],
        [ 7,  5, -1, -1],
        [-1,  6, -1, -1]]])

如果您没有使用任何层次结构特性，那么这是在您的代码中使用的最佳选择。

cv.RETR_EXTERNAL

如果您使用这个标志，它只返回极端的外部标志。所有的子类轮廓都被遗忘了。
那么，在我们的图像中，有多少个极端的外轮廓?在结构层次-0水平?。只有3个，即轮廓，0，1，2，对吧?现在试着用这个标志来找到轮廓,。在这里，每个元素的值与上面的值相同。将其与上面的结果进行比较。下面是我得到的：

>>> hierarchy
array([[[ 1, -1, -1, -1],
        [ 2,  0, -1, -1],
        [-1,  1, -1, -1]]])

如果你想只提取外部轮廓，你可以使用这个标志。在某些情况下可能有用。

cv.RETR_CCOMP

这个标记检索所有的轮廓，并将它们安排到一个2级的层次结构中。物体的外部轮廓(即它的边界)被放置在一个层级-1中。物体内部的孔(如果有的话)被放置在等级2中。如果里面有任何物体，它的轮廓只会被放在一个等级1中。以及它的洞放置在等级2上等等。
只要想想黑色背景下的“大白零”的图像就可以了。0的外圆属于第一个层次，而0的内圆属于第二级。
我们可以用一个简单的图像来解释它。在这里，我用红色表示了轮廓的顺序和它们所属的层次，用绿色的颜色(1或2)，顺序与OpenCV检测轮廓的顺序相同。

第一个轮廓，即 轮廓-0。这是 层次结构-1。它有两个孔，轮廓1和2，它们属于等级2。因此对于 轮廓-0，下一个轮廓在相同的层次结构中是 轮廓–3。没有前一个。它在等级2中的第一个子类是 轮廓-1。它没有父类，因为它在层级1中。它的层级数组是 [3，-1，1，-1]
轮廓-1，层次结构-2。在同级层次结构中（在 轮廓-1 的父类下），下一个是 轮廓-2。没有前一个，没有子类，但是父类是 轮廓-0 ，所以数组是 [ 2，-1，-1，0 ]
同样的 轮廓-2：在 层次结构-2 中。没有下一个轮廓，前一个是 轮廓-1。没有子类，父类是 轮廓-0 。所以数组是 [ -1，1，-1，0 ]
轮廓-3：在 层次结构-1 中的下一个是 轮廓-5 。前一个是 轮廓-0 。子类是 轮廓-4 并且没有父类。所以数组是[ 5，0，4，-1 ]
轮廓-4：在 层次结构-2 中父类是 轮廓-3 。没有下一个，没有前一个，没有子类。所以数组是 [ -1，-1，-1，3 ]

>>> hierarchy
array([[[ 3, -1,  1, -1],
        [ 2, -1, -1,  0],
        [-1,  1, -1,  0],
        [ 5,  0,  4, -1],
        [-1, -1, -1,  3],
        [ 7,  3,  6, -1],
        [-1, -1, -1,  5],
        [ 8,  5, -1, -1],
        [-1,  7, -1, -1]]])

cv.RETR_TREE

它检索所有的轮廓并创建一个完整的家族层次结构列表。它甚至告诉我们，谁是爷爷，父亲，儿子，孙子，或者更甚……:)。
举例来说，我取了上面的图片，重写了代码，传入cv.RETR_TREE，根据OpenCV给出的结果重新排序并对其进行分析。再一次，红色的字母给出了轮廓和绿色的字母表示等级顺序。

轮廓-0：它在 层次结构-0 中，同一层级的下一个轮廓是 轮廓-7 。没有前一个轮廓，第一个子类是 轮廓-1，没有父类。所以数组是 [ 7，-1，1，-1 ]
轮廓-2：它在 层次结构-1 中。同层级没有其他的轮廓。没有前一个轮廓，子类是 轮廓-3 。父类是 轮廓-1 。所以数组是 [ -1，-1，3，1 ]

>>> hierarchy
array([[[ 7, -1,  1, -1],
        [-1, -1,  2,  0],
        [-1, -1,  3,  1],
        [-1, -1,  4,  2],
        [-1, -1,  5,  3],
        [ 6, -1, -1,  4],
        [-1,  5, -1,  4],
        [ 8,  0, -1, -1],
        [-1,  7, -1, -1]]])