OpenCV学习之路（十八） 图像的轮廓
目录
查找并绘制轮廓：
查找并绘制物体的凸包
使用多边形将轮廓包围
图像的矩
查找并绘制轮廓
查找并绘制凸包
轮廓外接矩形和最小外接圆
轮廓最小外接矩形和外接椭圆
图像的矩
查找并绘制轮廓：
1. findContours() 函数。查找轮廓。函数原型如下：
void findContours(InputOutputArray image, OutputArrayOfArrays contours, OutputArray hierarchy, int mode, int method, Point offset = Point());（1）第一个参数，InputArray 类型的 image，源图像。8位单通道。图像的非零元素被视为 1，0 像素值保留为 0，所以图像为二进制。也可以使用 compare()、inrange()、threshold()、adaptivethreshold()、canny() 等函数由灰度图或彩色图创建二值图。此函数将会在提取图像轮廓的同时修改图像的内容。如果第四个参数为cv::RETR_CCOMP或cv::RETR_FLOODFILL，输入图像可以是32-bit整型图像(CV_32SC1) 。
（2）第二个参数，OutputArrayOfArrays 类型的 contours、检测到的轮廓、函数调用后的运算结果存在这里。每个轮廓存储为一个点向量，即用 Point 类型的 vector 表示。
（3）第三个参数，OutputArray 类型的 hierarchy，可选的输出向量，包含图像的拓扑信息。其作为轮廓数量的表示，包含了很多元素。每个轮廓 contours[ i ] 对应 4 个 hierarchy 元素 hierarchy[ i ][ 0 ] ~ hierarchy[ i ][ 3 ]，分别表示后一个轮廓、前一个轮廓、父轮廓、内嵌轮廓的索引编号。如果没有对应项，对应的 hierarchy[ i ] 值设置为负数。
（4）第四个参数，int 类型的 mode，轮廓检索模式，如下所示：
RETR_EXTERNAL，表示只检索最外层轮廓。对所有轮廓，设置 hierarchy[i][2] = hierarchy[i][3] = -1。
RETR_LIST，提取所有的轮廓，并且放置在 list 中。检测的轮廓不建立等级关系。
RETR_CCOMP，提取所有轮廓，并且将其组织为双层结构（顶层为连通域的外围边界，次层为孔的内层边界）。
RETR_TREE，提取所有轮廓，并重新建立网状的轮廓结构。
（5）第五个参数，int 类型的 method，为轮廓的近似方法。如下所示：
CHAIN_APPROX_NONE，获取每个轮廓的每个像素，相邻的两个点的像素位置差不超过1。
CHAIN_APPROX_SIMPLE，压缩水平、垂直、对角线方向的元素，只保留该方向的终点坐标。如矩形只留四个点。
CHAIN_APPROX_TC89_L1 和 CHAIN_APPROX_TC89_KCOS， 使用 Teh-Chinl 链逼近算法中的一个。
2. drawContours() 函数，绘制轮廓。函数原型如下：
void drawContours(InputOutputArray image, InputArrayOfArrays contours, int contourIdx, const Scalar& color, int thickness = 1, int lineType = 8, InputArray hierarchy = noArray(), int maxLevel = INT_MAX, Point offset = Point());（1）第一个参数，InputArray 类型的 image，输入输出图像。
（2）第二个参数，InputArrayOfArrays 类型的 contours，所有的输入轮廓，findContours() 查找到的。
（3）第三个参数，int 类型的 contourIdx，轮廓绘制的指示变量。若为负值，则绘制全部轮廓。
（4）第四个参数，const Scalar& 类型的 color，轮廓的颜色。
（5）第五个参数，int 类型的 thickness，轮廓线条的粗细度，默认值为 1。若为负值，便会绘制在轮廓的内部。可选为FILLED 宏变量。
（6）第六个参数，int 类型的 lineType，线条的类型，默认值为 8。有如下类型：
8， 8 联通线型；
4，4 联通线型；
LINE_AA， 抗锯齿线型。
（7）第七个参数，InputArray 类型的 hierarchy，可选的层次结构信息，默认值为 noArray()。
（8）第八个参数，int 类型的 maxLevel，表示用于绘制轮廓的最大等级，默认值为 INT_MAX。
（9）第九个参数，Point 类型的 offset，可选的轮廓偏移参数，用指定的偏移量 offset = （dx, dy）偏移需要绘制的轮廓。默认值为 Point()。
简单示例代码如下：
#include
#include
using namespace cv;
using namespace std;
void on_ContourThresh(int, void*);
int g_contourThresh = 100;
int g_maxContourThresh = 255;
const char* contourThreshStr = "阈值";
Mat srcContourImg, grayContourImg;
RNG rng(12345);
int main()
{
srcContourImg = imread("HappyFish.jpg");
imshow("原图", srcContourImg);
cvtColor(srcContourImg, grayContourImg, COLOR_BGR2GRAY);
blur(grayContourImg, grayContourImg, Size(3, 3));
namedWindow("效果图", WINDOW_AUTOSIZE);
createTrackbar(contourThreshStr, "效果图", &g_contourThresh, g_maxContourThresh, on_ContourThresh);
on_ContourThresh(0, 0);
waitKey(0);
return 0;
}
void on_ContourThresh(int, void*)
{
Mat cannyImg;
vector> contours; //存储轮廓矢量
vector hierarchy; //存储轮廓拓扑结构
Canny(grayContourImg, cannyImg, g_contourThresh, 2 * g_contourThresh);
//查找轮廓
findContours(cannyImg, contours, hierarchy, RETR_TREE, CHAIN_APPROX_SIMPLE, Point(0, 0));
//输出 RGB 图像
Mat dstImg = Mat::zeros(cannyImg.size(), CV_8UC3);
for (int i = 0; i < contours.size(); i++)
{
//随机给定颜色
Scalar color = Scalar(rng.uniform(0, 255), rng.uniform(0, 255), rng.uniform(0, 255));
//绘制轮廓
drawContours(dstImg, contours, (int)i, color, 2, 8, hierarchy, 0, Point(0, 0));
}
imshow("效果图", dstImg);
} 代码运行如下所示：
查找并绘制物体的凸包
凸包就是将物体最外层的点连接起来构成的凸多边形，因此能够包含物体所有的点。
理解物体形状或轮廓的一种比较有用的方式就是计算该物体的凸包，然后计算其凸缺陷。
1. convexHull() 函数。寻找凸包。函数原型如下：
void convexHull(InputArray points, OutputArray hull, bool clockwise = false, bool returnPoints = true);（1）第一个参数，InputArray 类型的 points，输入的二维点集，可以点 Mat 或 vector。
（2）第二个参数，OutputArray 类型的 hull，输出参数，调用函数后找到的凸包。
（3）第三个参数，bool 类型的 clockwise，操作方向标识符，默认值为false。为 true 时，输出的凸包为顺时针方向；为 false 时，输出的凸包为逆时针方向。并且假定坐标系的 x 轴指向右，y 轴指向上方。
（4）第四个参数，bool 类型的 returnPoints ，操作标识符，默认值为 true。为 true 时，函数返回凸包的各个点；为 false 时，返回凸包各点的指数。当输出数组是 std::vector 时，此标志被忽略。
简单示例代码如下：
#include
#include
using namespace cv;
using namespace std;
void on_ContourThresh(int, void*);
int g_contourThresh = 100;
int g_maxContourThresh = 255;
const char* contourThreshStr = "阈值";
Mat srcContourImg, grayContourImg;
RNG rng(12345);
int main()
{
srcContourImg = imread("HappyFish.jpg");
imshow("原图", srcContourImg);
cvtColor(srcContourImg, grayContourImg, COLOR_BGR2GRAY);
blur(grayContourImg, grayContourImg, Size(3, 3));
namedWindow("效果图", WINDOW_AUTOSIZE);
createTrackbar(contourThreshStr, "效果图", &g_contourThresh, g_maxContourThresh, on_ContourThresh);
on_ContourThresh(0, 0);
waitKey(0);
return 0;
}
void on_ContourThresh(int, void*)
{
Mat cannyImg;
vector> contours; //存储轮廓矢量
vector hierarchy; //存储轮廓拓扑结构
Canny(grayContourImg, cannyImg, g_contourThresh, 2 * g_contourThresh);
//threshold(grayContourImg, cannyImg, g_contourThresh, 2 * g_contourThresh,THRESH_BINARY);
//查找轮廓
findContours(cannyImg, contours, hierarchy, RETR_TREE, CHAIN_APPROX_SIMPLE, Point(0, 0));
//查找凸包
vector> hull(contours.size());
for (size_t i = 0; i < contours.size(); i++)
{
convexHull(contours[i], hull[i],false);
}
//输出 RGB 图像
Mat dstImg = Mat::zeros(cannyImg.size(), CV_8UC3);
for (size_t i = 0; i < contours.size(); i++)
{
//随机给定颜色
Scalar color = Scalar(rng.uniform(0, 255), rng.uniform(0, 255), rng.uniform(0, 255));
//绘制轮廓
//drawContours(dstImg, contours, (int)i, color, 1, 8, hierarchy, 0, Point(0, 0));
//绘制凸包
drawContours(dstImg, hull, (int)i, color, 3, 8, vector(), 0, Point(0, 0));
}
imshow("效果图", dstImg);
} 运行结果如下：
使用多边形将轮廓包围
1. boundingRect() 函数，返回外部矩形边界。函数原型如下：
Rect boundingRect(InputArray poins);唯一的参数，输入的二维点集。可以为 Mat 类型或 std::vector。
2. minAreaRect() 函数，寻找最小包围矩形。函数原型如下：
RotatedRect minAreaRect(InputArray points);唯一的参数，输入的二维点集。可以为 Mat 类型或 std::vector。
3. minEnclosingCircle() 函数，寻找最小包围圆形。函数原型如下：
void minEnclosingCircle(InputArray points, Point2f& center, float& radius);（1）第一个参数，输入的二维点集。可以为 Mat 类型或 std::vector。
（2）第二个参数，Point2f& 类型的 center，圆的输出圆心。
（3）第三个参数，float& 类型的 radius，圆的输出半径。
4. fitEllipse() 函数，用椭圆拟合二维点集。函数原型如下：
RotateRect fitEllipse(InputArray points);唯一的参数，输入的二维点集。可以为 Mat 类型或 std::vector。
5. approxPolyDP() 函数，逼近多边形曲线。函数原型如下：
void approxPolyDP(InputArray curve, OutputArray approxCurve, double epsilon, bool closed);（1）第一个参数，输入的二维点集。可以为 Mat 类型或 std::vector。
（2）第二个参数，OutputArray 类型的 approxCurve，多边形逼近的结果，其类型应和输入的二维点集的类型一致。
（3）第三个参数，double 类型的 epsilon，逼近的精度，为原始曲线和即近曲线间的最大值。
（4）第四个参数，bool 类型的 closed，为 true 时，近似的曲线为封闭曲线（第一个顶点和最后一个顶点相连）；为 false 时，近似的曲线不封闭。
简单示例代码如下：
#include
#include
using namespace cv;
using namespace std;
void on_ContourThresh(int, void*);
int g_contourThresh = 100;
int g_maxContourThresh = 255;
const char* contourThreshStr = "阈值";
Mat srcContourImg, grayContourImg;
RNG rng(12345);
int main()
{
srcContourImg = imread("HappyFish.jpg");
imshow("原图", srcContourImg);
cvtColor(srcContourImg, grayContourImg, COLOR_BGR2GRAY);
blur(grayContourImg, grayContourImg, Size(3, 3));
namedWindow("效果图", WINDOW_AUTOSIZE);
createTrackbar(contourThreshStr, "效果图", &g_contourThresh, g_maxContourThresh, on_ContourThresh);
on_ContourThresh(0, 0);
waitKey(0);
return 0;
}
void on_ContourThresh(int, void*)
{
Mat cannyImg;
vector> contours; //存储轮廓矢量
vector hierarchy; //存储轮廓拓扑结构
Canny(grayContourImg, cannyImg, g_contourThresh, 2 * g_contourThresh);
//threshold(grayContourImg, cannyImg, g_contourThresh, 2 * g_contourThresh,THRESH_BINARY);
//查找轮廓
findContours(cannyImg, contours, hierarchy, RETR_TREE, CHAIN_APPROX_SIMPLE, Point(0, 0));
//查找凸包
vector> hull(contours.size());
for (size_t i = 0; i < contours.size(); i++)
{
convexHull(contours[i], hull[i],false);
}
//多边形逼近轮廓、外接矩形、最小外接圆形 及 最小外接矩形
vector> polyContours(contours.size());
vector rectContours(contours.size());
vector center(contours.size());
vector radius(contours.size());
vector minRectContours(contours.size());
//输出 RGB 图像
Mat dstImg = Mat::zeros(cannyImg.size(), CV_8UC3);
for (size_t i = 0; i < contours.size(); i++)
{
//随机给定颜色
Scalar color = Scalar(rng.uniform(0, 255), rng.uniform(0, 255), rng.uniform(0, 255));
//绘制轮廓
drawContours(dstImg, contours, (int)i, color, 1, 8, hierarchy, 0, Point(0, 0));
//绘制凸包
drawContours(dstImg, hull, (int)i, color, 3, 8, vector(), 0, Point(0, 0));
//绘制多边形逼近轮廓
approxPolyDP(contours[i], polyContours[i], 3,true);
drawContours(dstImg, polyContours, (int)i, color, 3, 8, vector(), 0, Point(0, 0));
//绘制外接矩形
rectContours[i] = boundingRect(contours[i]);
rectangle(dstImg, rectContours[i], color);
//绘制最小外界圆形
minEnclosingCircle(contours[i], center[i], radius[i]);
circle(dstImg, center[i], radius[i], color);
//绘制最小外接矩形
minRectContours[i] = minAreaRect(contours[i]);
Point2f minRect[4];
minRectContours[i].points(minRect);
for (int j = 0; j < 4; j++)
{
line(dstImg, minRect[j], minRect[(j + 1) % 4], color);
}
}
imshow("效果图", dstImg);
} 运行效果如下所示：
图像的矩
图像的矩讲解
矩函数在图像分析中有着广泛的应用，如模式识别、目标分类、目标识别与方位估计、图像编码与重构等。从一幅数字图像中计算出来的矩集，通常描述了该图像形状的全局特征，并提供了大量的关于该图像不同类型的几何特性信息，比如大小、位置、方向及形状等。图像矩的这种特性描述能力被广泛地引用在各种图像处理、计算机视觉和机器人技术领域的目标识别与方位估计中。一阶矩与形状有关，二阶矩显示曲线围绕直线平均值的扩展程度，三阶矩则是关于平均值的对称性的测量。由二阶矩和三阶矩可以导出一组共 7 个不变矩。而不变矩是图像的统计特性，满足平移、伸缩、旋转均不变的不变性，在图像识别领域得到了广泛的应用。
OpenCV中计算一个图像的矩一般由如下三个函数 配合求取。
1. moments() 函数，用来计算多边形和光栅形状的最高达三阶的所有矩。矩用来计算形状的重心、面积、主轴和其他形状特征， 如 7Hu 不变量等。函数原型如下：
Moments moments(InputArray array, bool binaryImage = false);（1）第一个参数，InputArray 类型的 array，输入参数，可以是光栅图像（单通道，8 位或浮点的二维数组）或二维数组（1N 或 N1）。
（2）第二个参数，bool 类型的 binaryImage，默认值为 false。若此参数为 true，则所有非零像素为 1。此参数仅对于图像使用。
2. contourArea() 函数，用于计算整个轮廓或部分轮廓的面积。函数原型如下：
double contourArea(InputArray contour, bool oriented = false);（1）第一个参数，InputArray 类型的 contour，输入的向量，二维点（轮廓顶点），可以为 std::vector 或 Mat 类型。
（2）第二个参数，bool 类型的 oriented，面向区域标识符，默认值为 false。为 true 时，该函数返回一个带符号的面积值，其正负取决于轮廓的方向（顺时针还是逆时针）。根据这个特性我们可以根据面积的符号来确定轮廓的位置。为 false 时，表示以绝对值返回，不带符号。
3. arcLength() 函数，用于计算封闭轮廓的周长或曲线的长度。函数原型如下：
double arcLength(InputArray curve, bool closed);（1）第一个参数，InputArray 类型的 curve，输入的二维点集，可以为 std::vector 或 Mat 类型。
（2）第二个参数，bool 类型的 closed，用于指示曲线是否封闭的标识符。
简单示例代码如下：
#include
#include
using namespace std;
using namespace cv;
void on_Moments(int, void*);
int g_momentThresh = 100;
int g_maxMomentThresh = 255;
const char* momentThreshStr = "阈值";
Mat momentSrcImage,momentGrayImage;
int main()
{
momentSrcImage = imread("smarties.png");
imshow("原图", momentSrcImage);
blur(momentSrcImage, momentSrcImage, Size(3, 3));
cvtColor(momentSrcImage, momentGrayImage, COLOR_BGR2GRAY);
namedWindow("效果图", WINDOW_AUTOSIZE);
createTrackbar(momentThreshStr, "效果图", &g_momentThresh, g_maxMomentThresh, on_Moments);
on_Moments(0, 0);
waitKey(0);
return 0;
}
void on_Moments(int, void*)
{
RNG rng;
Mat cannyImg, dstImg;
vector> contours;
vector hierarchy;
//边缘检测
Canny(momentGrayImage, cannyImg, g_momentThresh, 2 * g_momentThresh);
//查找轮廓
findContours(cannyImg, contours, hierarchy, RETR_TREE, CHAIN_APPROX_SIMPLE, Point(0, 0));
//计算矩
vector mu(contours.size());
for (int i = 0; i < contours.size(); i++)
{
mu[i] = moments(contours[i], false);
}
//计算 图像灰度的“质心”
vector mc(contours.size());
for (int i = 0; i < contours.size(); i++)
{
mc[i] = Point2f(static_cast(mu[i].m01 / mu[i].m00), static_cast(mu[i].m10 / mu[i].m00));
}
//画出轮廓和“质心”
Mat tempImage = Mat::zeros(cannyImg.size(), CV_8UC3);
for (size_t i = 0; i < contours.size(); i++)
{
Scalar color = Scalar(rng.uniform(0, 255), rng.uniform(0, 255), rng.uniform(0, 255));
drawContours(tempImage, contours, (int)i, color, 4);
circle(tempImage, mc[i], 3, color, -1);
}
/*
输出信息：
1.通过矩 m00表示的轮廓的面积；
2.通过 contourArea() 函数计算出来的面积;
3.通过 arcLength() 函数计算出来的轮廓的周长
*/
for (size_t i = 0; i < contours.size(); i++)
{
printf(">通过矩 m00 计算出轮廓[%d]的面积：(M_00) = %.2f \n OpenCV 函数计算出的面积=%.2f , 周长=%.2f \n\n", (int)i, mu[i].m00, contourArea(contours[i]), arcLength(contours[i], true));
}
imshow("效果图", tempImage);
} 代码运行结果如下：
