提取元素的轮廓及形状描述子

Refer from http://blog.163.com/lee_020/blog/static/1247556020136473917915/

findContours函数参数说明及相关函数

findContours函数，这个函数的原型为：
void findContours(InputOutputArray image, OutputArrayOfArrays contours, OutputArray hierar-
chy, int mode, int method, Point offset=Point())
参数说明
输入图像image必须为一个2值单通道图像
contours参数为检测的轮廓数组，每一个轮廓用一个point类型的vector表示
hiararchy参数和轮廓个数相同，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，该值设置为负数。
mode表示轮廓的检索模式
CV_RETR_EXTERNAL表示只检测外轮廓
CV_RETR_LIST检测的轮廓不建立等级关系
CV_RETR_CCOMP建立两个等级的轮廓，上面的一层为外边界，里面的一层为内孔的边界信息。如果内孔内还有一个连通物体，这个物体的边界也在顶层。
CV_RETR_TREE建立一个等级树结构的轮廓。具体参考contours.c这个demo
method为轮廓的近似办法
CV_CHAIN_APPROX_NONE存储所有的轮廓点，相邻的两个点的像素位置差不超过1，即max（abs（x1-x2），abs（y2-y1））==1
CV_CHAIN_APPROX_SIMPLE压缩水平方向，垂直方向，对角线方向的元素，只保留该方向的终点坐标，例如一个矩形轮廓只需4个点来保存轮廓信息
CV_CHAIN_APPROX_TC89_L1，CV_CHAIN_APPROX_TC89_KCOS使用teh-Chinl chain 近似算法
offset表示代表轮廓点的偏移量，可以设置为任意值。对ROI图像中找出的轮廓，并要在整个图像中进行分析时，这个参数还是很有用的。
findContours后会对输入的2值图像改变，所以如果不想改变该2值图像，需创建新mat来存放，findContours后的轮廓信息contours可能过于复杂不平滑，可以用approxPolyDP函数对该多边形曲线做适当近似
contourArea函数可以得到当前轮廓包含区域的大小，方便轮廓的筛选
findContours经常与drawContours配合使用，用来将轮廓绘制出来。其中第一个参数image表示目标图像，第二个参数contours表示输入的轮廓组，每一组轮廓由点vector构成，第三个参数contourIdx指明画第几个轮廓，如果该参数为负值，则画全部轮廓，第四个参数color为轮廓的颜色，第五个参数thickness为轮廓的线宽，如果为负值或CV_FILLED表示填充轮廓内部，第六个参数lineType为线型，第七个参数为轮廓结构信息，第八个参数为maxLevel
得到了复杂轮廓往往不适合特征的检测，这里再介绍一个点集凸包络的提取函数convexHull，输入参数就可以是contours组中的一个轮廓，返回外凸包络的点集
还可以得到轮廓的外包络矩形，使用函数boundingRect，如果想得到旋转的外包络矩形，使用函数minAreaRect，返回值为RotatedRect；也可以得到轮廓的外包络圆，对应的函数为minEnclosingCircle；想得到轮廓的外包络椭圆，对应的函数为fitEllipse，返回值也是RotatedRect，可以用ellipse函数画出对应的椭圆
如果想根据多边形的轮廓信息得到多边形的多阶矩，可以使用类moments，这个类可以得到多边形和光栅形状的3阶以内的所有矩，类内有变量m00，m10，m01，m20，m11，m02，m30，m21，m12，m03，比如多边形的质心为 x = m10 / m00，y = m01 / m00。
如果想获得一点与多边形封闭轮廓的信息，可以调用pointPolygonTest函数，这个函数返回值为该点距离轮廓最近边界的距离，为正值为在轮廓内部，负值为在轮廓外部，0表示在边界上。

Refer from http://blog.csdn.net/thefutureisour/article/details/7602652#

先看提取轮廓的代码：

 Mat image = imread("D:/picture/images/binaryGroup.bmp",0);
 if(!image.data)
     return -1;
 imshow("源图像",image);

 //获取轮廓
 std::vector<std::vector<Point>> contours;
 //获取轮廓：
 findContours(image,         //图像
     contours,               //轮廓点
                     //包含图像拓扑结构的信息（可选参数，这里没有选）
     CV_RETR_EXTERNAL,           //获取轮廓的方法（这里获取外围轮廓）
     CV_CHAIN_APPROX_NONE);      //轮廓近似的方法（这里不近似，获取全部轮廓）
 //打印轮廓信息
 std::cout<<"共有外围轮廓："<<contours.size()<<"条"<<std::endl;
 std::vector<std::vector<Point>>::const_iterator itContours = contours.begin();
 for(;itContours != contours.end();++itContours)
 {
     std::cout<<"每个轮廓的长度: "<<itContours->size()<<std::endl;
 }

注意到轮廓的存储格式为std::vector<std::vector<Point>>，他说明整个轮廓是若干条轮廓按一定顺序组成的，而每个轮廓中的点也是有顺序的。

画出轮廓就比较简单了：

 //画出轮廓
 Mat result(image.size(),CV_8U,Scalar(255));
 //画出轮廓，参数为：画板，轮廓，轮廓指示（这里画出所有轮廓），颜色，线粗
 drawContours(result,contours,-1,Scalar(0),2);
 imshow("提取外围轮廓",result);

还要注意提取轮廓的方法还有很多种，比如CV_RETR_LIST代表所有轮廓

 findContours(image,         //图像
     contours,               //轮廓点
                     //包含图像拓扑结构的信息（可选参数，这里没有选）
     CV_RETR_LIST,           //获取轮廓的方法（这里获取所有轮廓）
     CV_CHAIN_APPROX_NONE);      //轮廓近似的方法（这里不近似，获取全部轮廓
 //画出轮廓
 drawContours(result,contours,-1,Scalar(0),2);
 imshow("提取所有轮廓",result);

通常，这样提取的轮廓包含一些我们不希望的轮廓（比如一些小洞），或者假如我们知道我们感兴趣的物体轮廓的大概范围时，我们就可以用下面的办法缩小目标范围：

 //除去太长或者太短的轮廓
 int cmin = 100;
 int cmax = 1000;
 std::vector<std::vector<Point>>::const_iterator itc = contours.begin();
 while(itc != contours.end())
 {
     if(itc->size() < cmin || itc->size() > cmax)
         itc = contours.erase(itc);
     else
         ++itc;
 }

 //把结果画在源图像上：
 Mat original = imread("D:/picture/images/group.jpg");
 if(!original.data)
     return -1;
 drawContours(original,contours,-1,Scalar(255,255,255),2);
 imshow("动物的轮廓",original);

 //将轮廓重绘于白板上
 result.setTo(Scalar(255));
 drawContours(result,contours,-1,Scalar(0),1);

怎么提取轮廓的特征呢？OpenCV提供了很多函数，我们展示其中的几个：

 //轮廓的形状描述子
 //外接矩形
 Rect r0 = boundingRect(Mat(contours[0]));
 rectangle(result,r0,Scalar(0),2);

 //最小外接圆
 float radius;
 Point2f center;
 minEnclosingCircle(Mat(contours[1]),center,radius);
 circle(result,Point(center),static_cast<int>(radius),Scalar(0),2);

 //多边形估计
 std::vector<Point> poly;
 //参数为：输入图像的2维点集，输出结果，估计精度，是否闭合
 approxPolyDP(Mat(contours[2]),poly,5,true);
 std::cout<<"多边形大小："<<poly.size()<<std::endl;
 //画出结果
 std::vector<Point>::const_iterator itp = poly.begin();
 while(itp != poly.end()-1)
 {
     line(result,*itp,*(itp+1),Scalar(0),2);
     ++itp;
 }
 //将第一个点和最后一点连起来
 line(result,*(poly.begin()),*(poly.end()-1),Scalar(128),2);


 //计算凸包
 std::vector<Point> hull;
 convexHull(Mat(contours[3]),hull);
 std::vector<cv::Point>::const_iterator it= hull.begin();
 while(it != (hull.end()-1))
 {
     line(result,*it,*(it+1),Scalar(0),2);
     ++it;
 }
 line(result,*(hull.begin()),*(hull.end()-1),Scalar(0),2);


 //计算矩信息
 itc = contours.begin();
 while(itc != contours.end())
 {
     //计算所有的距
     Moments mom = moments(Mat(*itc++));
     //计算并画出质心
     circle(result,Point(mom.m10/mom.m00,mom.m01/mom.m00),2,Scalar(2),2);
 }
 imshow("形状描述子",result);

我们再次看到，轮廓的确是有顺序的。值得注意的是矩信息：OpenCV提供了一个结构体Moments，它的元素就是计算好的矩信息，里面存放了常用的距。

其实，OpenCV还提供了许多其他的形状描述子，比如函数cv::minAreaRect计算了最小外界倾斜的矩形。函数cv::contourArea估计轮廓区域的面积（里面的像素数）。函数cv::pointPolygonTest计算一个点是否在轮廓内，cv::matchShapes测量了2两个轮廓的相似程度等等。这里就不一一介绍了。