OpenCV-Python(21)：轮廓层次结构

目标

• 学习轮廓的层次结构，了解轮廓之间的父子关系

原理

        在前面的内容中我们使用函数cv2.findContours() 来查找轮廓的时候，我们会传入一个参数:轮廓提取模式（Contour_Retrieval_Mode）。我们总是把它置为cv2.RETR_LIST 或者是cv2.RETR_TREE，效果效果还是可以得。但是它们到底代表什么呢？
        同时，我们得到的结果包含3 个数组，第一个图像，第二个是轮廓，第三个是层次结构。但是我们从来没有用过层次结构。层次结构是用来干嘛的呢？层次结构与廓提取模式有什么关系呢？这将是我们将要进行学习和讨论的。

什么是层次结构

        通常我们使用函数cv2.findContours 在图片中查找一个对像。有时对可能位于不同的位置，还有些情况，一个形状在另外一个形状的内部。这种情况下我们称外部的形状为父，内部的形状为子。按照这种方式分类，一幅图像中的所有轮廓之间就建立父子关系。这样我们就可以确定一个轮廓与其他轮廓是怎样连接的，比如它是不是某个轮廓的子轮廓或者是父轮廓。这种关系就成为组织结构，下图就是一个简单的例子：

        在这幅图像中，我给这几个形状编号为0-5。2 和2a 分别代表最外矩形的外轮廓和内轮廓。在这里面轮廓0、1、2 在外部或最外面。我们可以称他们为(组织结构)0 级,简单来说就是他们属于同一级。 

        接下来轮廓2a。我们把它当成轮廓2 的子轮廓。它就成为(组织结构)第1 级。同样,轮廓3是轮廓2 的子轮廓，成为(组织结构)第3 级。最后轮廓4,5 是轮廓3a 的子轮廓，成为（组织结构）第4 级（最后一级）。按照这种方式给这些形状编号，我们可以说廓4 是轮廓3a 的子轮廓，当然轮廓5 也是。我说这么多就是为了解释层次结构、外轮廓、内轮廓、父轮廓、子轮廓等。

OpenCV 中层次结构

        不管层次结构是什么样的，每一个轮库包含自己的信息：谁是父，谁是子等。OpenCV 使用一个含有四个元素的数组表示。[Next，Previous，First_Child，Parent]。

        Next 示同一级组织结构中的下一个轮廓。

        以上图中的轮廓0 为例，轮廓1 就是他的Next。同样轮廓1 的Next是2，Next=2。那么轮廓2 呢，在同一级没有Next。此时Next=-1。而轮廓4 的Next为5，所以它的Next=5。

        Previous 表示同一级结构中的前一个轮廓。

        与前面一样，轮廓1 的Previous 为轮廓0，轮廓2 的Previous 为轮廓1。轮廓0 没有Previous，所以Previous=-1。

        First_Child 表示它的第一个子轮廓。
        没有必要再解释了，轮廓2 的子轮廓为2a。所以它的First_Child 为2a。那么廓3a 呢，它有两个子轮廓。但是我们只要第一个子轮廓，所以是轮廓4(按照从上往下/从左往右的顺序排序)。

        Parent 表示它的父轮廓。
        与First_Child 刚好相反。轮廓廓4 和5 的父轮廓是轮廓3a。而轮廓3a的父轮廓是3。

 轮廓检索模式

        我们上面了解了OpenCV 中的轮廓廓组织结构。下面我们还是根据上面的图片再学习一下轮廓检索模式cv2.RETR_LIST,cv2.RETR_TREE,cv2.RETR_CCOMP,cv2.RETR_EXTERNAL到底代表什么意思？

• RETR_LIST

        从解释的角度来看，这应该是最简单的。它只是提取所有的轮廓，而不去创建任何父子关系。换句话说，就是人人平等，它们属于同一级组织轮廓(如果你不关心轮廓之间的关系，这是一个非常好的选择)。所以在这种情况下，组织结构数组的第三和第四个数都是-1。但是很明显，Next 和Previous 应有对应的值。

        下面就是我得到的结果，每一行是对应轮廓的组织结构细节。例如，第一行对应的是轮廓0。下一个轮廓为1，所以Next=1。前面没有其他的轮廓，所以Previous=0。接下来的两个参数是-1，与刚才我们说的一样。

• RETR_EXTERNAL 

        如果你选择这种模式的话，只会返回最外层的轮廓，所有的子轮廓都会被忽略掉。(当你只想得到最外面的轮廓时，你可以用这种模式，在有些情况下很有用)所以在上图中使用这种模式的话，只会返回最外层的轮廓(第0 级),轮廓廓0、1、2。下面是我选择这种模式得到的结果:

• RETR_CCOMP 

        在这种模式下会返回所有的轮廓并将轮廓分为两级组织结构。例如，一个对象的外轮廓为第1 级组织结构。而对象内中空洞的轮廓为第2 级组织结构，空洞中的任何对象的轮廓又是第1 级组织结构。空洞的组织结构为第2 级。
        想象一下一副黑底白字的图像，图像中是数字0。0 的外边界属于第一级组织结构，0 的内部属于第2 级组织结构。我们可以以下图为例简单介绍一下。我们已经用红色数字为这些轮廓编号，
并用绿色数字代表它们的组织结构。顺序与OpenCV 检测轮廓的顺序一致。

        现在我们考虑轮廓0，它的组织结构为第1 级。其中有两个空洞1 和2，它们属于第2 级组织结构。所以对于轮廓0 来说，他属于同一级组织结构的下一个（Next）是轮廓3，并且没Previous。它的Fist_Child 为轮廓1，组织结构为2。由于它是第1 级，所以没有父轮廓。因此它的组织结构数组为[3，-1，1，-1]。

        现在是轮廓1，它是第2 级。处于同一级的下一个轮廓为2。没有Previous，也没有Child（因为是第2 级所以有父轮廓）父轮廓是0。所以数组是[2，-1，-1，0]。
        轮廓2，它是第2 级。在同一级的组织结构中没有Next。Previous 为轮廓1。没有子，父轮廓为0，所以数组是[-1，1，-1，0]。

        轮廓3，它是第1 级。在同一级的组织结构中Next 为5。Previous 为轮廓0。子为4，没有父轮廓，所以数组是[5，0，4，-1]。

        轮廓4，它是第2 级。在同一级的组织结构中没有Next。没有Previous，没有子，父轮廓为3，所以数组是[-1，-1，-1，3]。

下面是我得到的答案：

• RETR_TREE 

        终于到最后一个了，也是最完美的一个。这种模式下会返回所有轮廓，并且创建一个完整的组织结构列表。它甚至会告诉你，谁是爷爷，谁是爸爸，谁是儿子，谁是孙子等。

        还是以上图为例，使用这种模式对OpenCV 返回的结果重新排序并分析它，红色数字是边界的序号，绿色是组织结构。

        轮廓0 的组织结构为0，同一级中Next 为7，没有Previous。子轮廓是1，没有父轮廓。所以数组是[7，-1，1，-1]。 

        轮廓1 的组织结构为1，同一级中没有其他，没有Previous。子轮廓是2，父轮廓为0。所以数组是[-1，-1，2，0]。

        剩下的自己算一下吧。下面是结果：