轮廓提取findContours和绘制drawContours

首先感谢以下两位的博文帮助我的理解：

（1）-牧野-  http://blog.csdn.net/dcrmg/article/details/51987348

（2）塬莱     http://blog.csdn.net/maomao1011120756/article/details/49794997

void findContours//提取轮廓，用于提取图像的轮廓
(
InputOutputArray image,//输入图像，必须是8位单通道图像，并且应该转化成二值的
OutputArrayOfArrays contours,//检测到的轮廓，每个轮廓被表示成一个point向量
OutputArray hierarchy,//可选的输出向量，包含图像的拓扑信息。其中元素的个数和检测到的轮廓的数量相等
int mode,//说明需要的轮廓类型和希望的返回值方式
int method,//轮廓近似方法
Point offset = Point()
)

void drawContours//绘制轮廓，用于绘制找到的图像轮廓
(
 InputOutputArray image,//要绘制轮廓的图像
 InputArrayOfArrays contours,//所有输入的轮廓，每个轮廓被保存成一个point向量
 int contourIdx,//指定要绘制轮廓的编号，如果是负数，则绘制所有的轮廓
 const Scalar& color,//绘制轮廓所用的颜色
 int thickness = 1, //绘制轮廓的线的粗细，如果是负数，则轮廓内部被填充
 int lineType = 8, /绘制轮廓的线的连通性
 InputArray hierarchy = noArray(),//关于层级的可选参数，只有绘制部分轮廓时才会用到
 int maxLevel = INT_MAX,//绘制轮廓的最高级别，这个参数只有hierarchy有效的时候才有效
                                          //maxLevel=0，绘制与输入轮廓属于同一等级的所有轮廓即输入轮廓和与其相邻的轮廓
                                          //maxLevel=1, 绘制与输入轮廓同一等级的所有轮廓与其子节点。
                                          //maxLevel=2，绘制与输入轮廓同一等级的所有轮廓与其子节点以及子节点的子节点
 Point offset = Point()
)

Opencv中通过使用findContours函数，简单几个的步骤就可以检测出物体的轮廓，很方便。这些准备继续探讨一下findContours方法中各参数的含义及用法，比如要求只检测最外层轮廓该怎么办？contours里边的数据结构是怎样的？hierarchy到底是什么鬼？Point()有什么用？

先从findContours函数原型看起：

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，但更常用的是二值图像，一般是经过Canny、拉普拉斯等边缘检测算子处理过的二值图像；

第二个参数：contours，定义为“vector> contours”，是一个向量，并且是一个双重向量，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”，先来看一下Vec4i的定义：

                           typedef    Vec   Vec4i;                                                                                                                                       

           Vec4i是Vec的别名，定义了一个“向量内每一个元素包含了4个int型变量”的向量。

           所以从定义上看，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，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、父轮廓、内嵌轮廓的索引编号。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：

           取值一：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

           取值二：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，具体下文会讲到

           取值三：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。两个等级关系：顶层为连通域的外围边界，次层为孔的内层边界（比如后文的h00、h01、h0000、h0100）。

           取值四：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。

                 

    两种轮廓：外部轮廓(橙色虚线)或者孔(蓝色点线)。

   mode的值决定把找到的轮廓如何挂到轮廓树节点变量(h_prev, h_next, v_prev, v_next)上。图2展示了四种可能的mode值所得到的结果的拓扑结构。

                                                              

 图2 轮廓连接方法

第五个参数：int型的method，定义轮廓的近似方法：

           取值一：CV_CHAIN_APPROX_NONE 保存物体边界上所有连续的轮廓点到contours向量内

           取值二：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

           取值三和四：CV_CHAIN_APPROX_TC89_L1，CV_CHAIN_APPROX_TC89_KCOS使用teh-Chinl chain 近似算法

第六个参数：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！

下边用效果图对比一下findContours函数中各参数取不同值时，向量contours和hierarchy的内容如何变化，有何异同。

主体程序如下：

#include "core/core.hpp"
#include "highgui/highgui.hpp"
#include "imgproc/imgproc.hpp"
#include "iostream"

using namespace std;
using namespace cv;

int main(int argc,char *argv[])
{
    Mat imageSource=imread(argv[1],0);
    imshow("Source Image",imageSource);
    Mat image;
    GaussianBlur(imageSource,image,Size(3,3),0);
    Canny(image,image,100,250);
    vector> contours;
    vector hierarchy;
    findContours(image,contours,hierarchy,RETR_TREE,CHAIN_APPROX_SIMPLE,Point());
    Mat imageContours=Mat::zeros(image.size(),CV_8UC1);
    Mat Contours=Mat::zeros(image.size(),CV_8UC1);  //绘制
    for(int i=0;i
    {
        //contours[i]代表的是第i个轮廓，contours[i].size()代表的是第i个轮廓上所有的像素点数
        for(int j=0;j
        {
            //绘制出contours向量内所有的像素点
            Point P=Point(contours[i][j].x,contours[i][j].y);
            Contours.at(P)=255;
        }

        //输出hierarchy向量内容
        char ch[256];
        sprintf(ch,"%d",i);
        string str=ch;
        cout<<"向量hierarchy的第" <" 个元素内容为："<

        //绘制轮廓
        drawContours(imageContours,contours,i,Scalar(255),1,8,hierarchy);
    }
    imshow("Contours Image",imageContours); //轮廓
    imshow("Point of Contours",Contours);   //向量contours内保存的所有轮廓点集
    waitKey(0);
    return 0;
}

程序中所用原始图像如下：

通过调整第四个参数mode——轮廓的检索模式、第五个参数method——轮廓的近似方式和不同的偏移量Point()，就可以得到以下效果。

一、mode取值“CV_RETR_EXTERNAL”，method取值“CV_CHAIN_APPROX_NONE”，即只检测最外层轮廓，并且保存轮廓上所有点：

轮廓：

只有最外层的轮廓被检测到，内层的轮廓被忽略

contours向量内所有点集：

保存了所有轮廓上的所有点，图像表现跟轮廓一致

hierarchy向量：

重温一下hierarchy向量————向量中每个元素的4个整形分别对应当前轮廓的后一个轮廓、前一个轮廓、父轮廓、内嵌轮廓的索引编号。

本次参数配置下，hierarchy向量内有3个元素，分别对应于3个轮廓。以第2个轮廓（对应向量内第1个元素）为例，内容为[2,0,-1,-1], “2”表示当前轮廓的后一个轮廓的编号为2，“0”表示当前轮廓的前一个轮廓编号为0，其后2个“-1”表示为空，因为只有最外层轮廓这一个等级，所以不存在父轮廓和内嵌轮廓。

二、 mode取值“CV_RETR_LIST”，method取值“CV_CHAIN_APPROX_SIMPLE”，即检测所有轮廓，但各轮廓之间彼此独立，不建立等级关系，并且仅保存轮廓上拐点信息：

检测到的轮廓跟上文“一”中是一致的，不再显示。

contours向量内所有点集：

contours向量中所有的拐点信息得到了保留，但是拐点与拐点之间直线段的部分省略掉了。

hierarchy向量（截取一部分）：

本次参数配置下，检测出了较多轮廓。第1、第2个整形值分别指向上一个和下一个轮廓编号，由于本次配置mode取值“RETR_LIST”，各轮廓间各自独立，不建立等级关系，所以第3、第4个整形参数为空，设为值-1。

三、mode取值“CV_RETR_TREE”，method取值“CV_CHAIN_APPROX_NONE”，即检测所有轮廓，轮廓间建立外层、内层的等级关系，并且保存轮廓上所有点。

contours向量内所有点集：

所有内外层轮廓都被检测到，contours点集组成的图形跟轮廓表现一致。

hierarchy向量（截取一部分）

本次参数配置要求检测所有轮廓，每个轮廓都被划分等级，最外围、第一内围、第二内围等等，所以除第1个最后一个轮廓外，其他轮廓都具有不为-1的第3、第4个整形参数，分别指向当前轮廓的父轮廓、内嵌轮廓索引编号。

四、Point()偏移量设置

使用三中的参数配置，设置偏移量Point为Point（45,30）。

此时轮廓图像为：

可以看到轮廓图像整体向右下角有一个偏转，偏转量就是设置的（45,30）。

这个偏移量的设置不能过大或过小（负方向上的过小），若图像上任一点加上该偏移量后超出图像边界，程序会内存溢出报错。

findContours函数的各参数就探讨到此，其他参数配置的情况大同小异。值得关注一下的是绘制轮廓的函数

drawContours中最后一个参数是一个Point类型的offset，这个offset跟findContours函数中的offset含义一致，设置之后所绘制的轮廓是原始轮廓上所有像素点加上该偏移量offset后的效果。

当所分析图像是另外一个图像的ROI的时候，这个offset偏移量就可以大显身手了。通过加减这个偏移量，就可以把ROI图像的检测结果投影到原始图像对应位置上。