Opencv2.4学习::轮廓检测

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> 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 hierarchy”,Vec4i定义: typedef    Vec   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。
  • Opencv2.4学习::轮廓检测_第1张图片
  • 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
#include
#include
#include
#include
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>contours;
	vector 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:

Opencv2.4学习::轮廓检测_第2张图片

2、检测所有轮廓,且建立等级结构

 mode使用CV_RETR_TREE

 Opencv2.4学习::轮廓检测_第3张图片

若想只绘制出内层轮廓

那么,查看轮廓等级树hierarchy

 Opencv2.4学习::轮廓检测_第4张图片

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

 Opencv2.4学习::轮廓检测_第5张图片

你可能感兴趣的:(Opencv)