OpenCV實現(xiàn)輪廓檢測與繪制

更新時間：2021年06月23日 09:59:31 作者：我有一個夢想

這篇文章主要為大家詳細介紹了OpenCV實現(xiàn)輪廓檢測與繪制，文中示例代碼介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們可以參考一下

圖像的輪廓不僅能夠提供物體的邊緣，而且還能提供物體邊緣之間的層次關系以及拓撲關系。

帶有結(jié)構關系的邊緣檢測，這種結(jié)構關系可以表明圖像中連通域或者某些區(qū)域之間的關系。

圖為一個具有4個不連通邊緣的二值化圖像，由外到內(nèi)依次為0號、1號、2號、3號條邊緣。為了描述不同輪廓之間的結(jié)構關系，定義由外到內(nèi)的輪廓級別越來越低，也就是高一層級的輪廓包圍著較低層級的輪廓，被同一個輪廓包圍的多個不互相包含的輪廓是同一層級輪廓。例如在圖中，0號輪廓層級比1號和第2號輪廓的層及都要高，2號輪廓包圍著3號輪廓，因此2號輪廓的層級要高于3號輪廓。

常用4個參數(shù)來描述不同層級之間的結(jié)構關系：同層下一個輪廓索引、同層上一個輪廓索引、下一層第一個子輪廓索引和上層父輪廓索引。

上圖中0號輪廓沒有同級輪廓和父輪廓需要用-1表示，其第一個子輪廓為1號輪廓，因此可以用描述該輪廓的結(jié)構。1號輪廓的下一個同級輪廓為2號輪廓但是沒有上一個同級輪廓用-1表示，父輪廓為0號輪廓，第一個子輪廓為3號輪廓，因此可以用描述該輪廓結(jié)構。2號輪廓和3號輪廓同樣可以用這樣的方式構建結(jié)構關系描述子。圖中不同輪廓之間的層級關系可以用圖表示。

在二值圖像中檢測圖像中所有輪廓并生成不同輪廓結(jié)構關系描述子：

void findContours( InputOutputArray image, OutputArrayOfArrays contours,
                              OutputArray hierarchy, int mode,
                              int method, Point offset = Point());

image：輸入圖像，數(shù)據(jù)類型為CV_8U的單通道灰度圖像或者二值化圖像。
contours：檢測到的輪廓，每個輪廓中存放著像素的坐標。
hierarchy：輪廓結(jié)構關系描述向量。
mode：輪廓檢測模式標志，可以選擇的參數(shù)在表7-2給出。
method：輪廓逼近方法標志，可以選擇的參數(shù)在表7-3給出。
offset：每個輪廓點移動的可選偏移量。這個參數(shù)主要用在從ROI圖像中找出輪廓并基于整個圖像分析輪廓的場景中。

該函數(shù)主要用于檢測圖像中的輪廓信息，并輸出各個輪廓之間的結(jié)構信息。

函數(shù)的第一個參數(shù)是待檢測輪廓的輸入圖像，從理論上講檢測圖像輪廓需要是二值化圖像，但是該函數(shù)會對非0像素視為1，0像素保持不變，因此該參數(shù)能夠接受非二值化的灰度圖像。由于該函數(shù)默認二值化操作不能保持圖像主要的內(nèi)容，因此常需要對圖像進行預處理，利用threshold()函數(shù)或者adaptiveThreshold()函數(shù)根據(jù)需求進行二值化。

第二個參數(shù)用于存放檢測到的輪廓，數(shù)據(jù)類型為vector，每個輪廓中存放著屬于該輪廓的像素坐標。
函數(shù)的第三個參數(shù)用于存放各個輪廓之間的結(jié)構信息，數(shù)據(jù)類型為vector，數(shù)據(jù)的尺寸與檢測到的輪廓數(shù)目相同，每個輪廓結(jié)構信息中第1個數(shù)據(jù)表示同層下一個輪廓索引、第2個數(shù)據(jù)表示同層上一個輪廓索引、第3個數(shù)據(jù)表示下一層第一個子輪廓索引、第4個數(shù)據(jù)表示上層父輪廓索引。

函數(shù)第四個參數(shù)是輪廓檢測模式的標志，可以選擇的參數(shù)及含義在表7-2給出。
函數(shù)第五個參數(shù)是選擇輪廓逼近方法的標志，可以選擇的參數(shù)及含義在表7-3給出。
函數(shù)最后一個參數(shù)是每個輪廓點移動的可選偏移量。這個函數(shù)主要用在從ROI圖像中找出輪廓并基于整個圖像分析輪廓的場景中。

只需要檢測圖像的輪廓，并不關心輪廓之間的結(jié)構關系信息

void findContours( InputOutputArray image, OutputArrayOfArrays contours,
                              int mode, int method, Point offset = Point());

image：輸入圖像，數(shù)據(jù)類型為CV_8U的單通道灰度圖像或者二值化圖像。
contours：檢測到的輪廓，每個輪廓中存放著像素的坐標。
mode：輪廓檢測模式標志，可以選擇的參數(shù)在表7-2給出。
method：輪廓逼近方法標志，可以選擇的參數(shù)在表7-3給出。
offset：每個輪廓點移動的可選偏移量。這個函數(shù)主要用在從ROI圖像中找出輪廓并基于整個圖像分析輪廓的場景中。

繪制輪廓函數(shù)：

void drawContours( InputOutputArray image, InputArrayOfArrays contours,
                              int contourIdx, const Scalar& color,
                              int thickness = 1, int lineType = LINE_8,
                              InputArray hierarchy = noArray(),
                              int maxLevel = INT_MAX, Point offset = Point() );

image：繪制輪廓的目標圖像。
contours：所有將要繪制的輪廓
contourIdx：要繪制的輪廓的數(shù)目，如果是負數(shù)，則繪制所有的輪廓。
color：繪制輪廓的顏色。
thickness：繪制輪廓的線條粗細，如果參數(shù)為負數(shù)，則繪制輪廓的內(nèi)部，默認參數(shù)值為1.
lineType：邊界線連接的類型，可以選擇參數(shù)在表7-4給出，默認參數(shù)值為LINE_8。
hierarchy：可選的結(jié)構關系信息，默認值為noArray()。
maxLevel：表示用于繪制輪廓的最大等級，默認值為INT_MAX。
offset：可選的輪廓偏移參數(shù)，按指定的移動距離繪制所有的輪廓。

該函數(shù)用于繪制findContours()函數(shù)檢測到的圖像輪廓。
函數(shù)的第一個參數(shù)為繪制輪廓的圖像，根據(jù)需求該參數(shù)可以是單通道的灰度圖像或者三通道的彩色圖像。
第二個參數(shù)是所有將要繪制的輪廓，數(shù)據(jù)類型為vector。
第三個參數(shù)是要繪制的輪廓數(shù)目，該參數(shù)的數(shù)值與第二個參數(shù)相對應，應小于所有輪廓的數(shù)目，如果該參數(shù)值為負數(shù)，則繪制所有的輪廓。
第四個參數(shù)是繪制輪廓的顏色，對于單通道的灰度圖像用Scalar(x)賦值，對于三通道的彩色圖像用Scalar(x,y,z)賦值。
第五個參數(shù)是邊界線的連接類型，可以選擇的參數(shù)在表7-4給出，默認參數(shù)值為LINE_8。
第六個參數(shù)是可選的結(jié)構關系信息，默認值為noArray()。
第七個參數(shù)表示繪制輪廓的最大等級，參數(shù)值如果為0，則僅繪制指定的輪廓；如果為1，則該函數(shù)繪制輪廓和所有嵌套輪廓；如果為2，則該函數(shù)繪制輪廓以及所有嵌套輪廓和所有嵌套到嵌套輪廓的輪廓，以此類推，默認值為INT_MAX。函數(shù)最后一個參數(shù)是可選的輪廓偏移參數(shù)，按指定的移動距離繪制所有的輪廓。

簡單示例

//
// Created by smallflyfly on 2021/6/22.
//
 
#include "opencv2/opencv.hpp"
#include <iostream>
 
using namespace std;
using namespace cv;
 
int main() {
    Mat im = imread("rice.jfif");
    resize(im, im, Size(0, 0), 0.5, 0.5);
    Mat gray;
    cvtColor(im, gray, CV_BGR2GRAY);
 
    Mat imBin;
    threshold(gray, imBin, 125, 255,THRESH_BINARY);
 
    vector<vector<Point>> contours;
    findContours(imBin, contours, RETR_EXTERNAL, CHAIN_APPROX_NONE);
    vector<Vec4i> hierarchy;
    findContours(imBin, contours, hierarchy, RETR_EXTERNAL, CHAIN_APPROX_NONE);
 
    drawContours(im, contours, -1, Scalar(0, 0, 255));
 
    for (auto & i : hierarchy) {
        cout << i << endl;
    }
 
    imshow("im", im);
 
    waitKey(0);
    destroyAllWindows();
 
    return 0;
 
}