簡(jiǎn)介

Opencv邊緣檢測(cè)、輪廓發(fā)現(xiàn)、繪制輪廓

提取圖像輪廓的2個(gè)步驟

1、 findContours函數(shù)找輪廓，

2、 drawContours函數(shù)畫(huà)輪廓

輪廓的查找

cv::findContours()

函數(shù)cv::findContour是從二值圖像中來(lái)計(jì)算輪廓的，它可以使用cv::Canny()函數(shù)處理的圖像，因?yàn)檫@樣的圖像含有邊緣像素；也可以使用cv::threshold()或者cv::adaptiveThreshold()處理后的圖像，其邊緣隱含在正負(fù)區(qū)域的交界處。

輪廓的層級(jí)結(jié)構(gòu)

下圖所示了cv::findCountour()的基本功能，圖的上部是一幅測(cè)試圖像，其背景為白色，并含有數(shù)個(gè)彩色的的區(qū)域（標(biāo)簽A到E）。圖中也繪制出了由cv::findContours()所確定的輪廓。這些輪廓被標(biāo)記為cX或hX,其中c代表“contour(輪廓)”，h代表“洞（hole）”,而X是一些數(shù)字。有些輪廓使用虛線表示的，他們表示白色區(qū)域（即非零區(qū)域）的外部邊界。OpenCV和cv::findContour()對(duì)這些外部邊界和圖中的點(diǎn)線，即內(nèi)部邊界或者是洞的外部邊界，進(jìn)行區(qū)分的。

如圖的下半部分，OpenCV可以將找到的輪廓組織成輪廓樹(shù)，表示其輪廓結(jié)構(gòu)的包圍關(guān)系。對(duì)于測(cè)試圖像中的輪廓，我們將根節(jié)點(diǎn)處的輪廓稱(chēng)為c0，而“洞”h00和h01是其子節(jié)點(diǎn)。反過(guò)來(lái)這些子節(jié)點(diǎn)又會(huì)包含新的子節(jié)點(diǎn)以此類(lèi)推。

表示這種樹(shù)的方式有很多種，OpenCV中使用數(shù)組（尤其是vectors）來(lái)表示這種樹(shù)，其中數(shù)組中的每個(gè)條目都代表一個(gè)特定的輪廓，每個(gè)條目包含一個(gè)由4個(gè)整數(shù)組成的集合（通常表示為cv :: Vec4i類(lèi)型的元素，就像四通道數(shù)組中的條目一樣）。對(duì)于每個(gè)節(jié)點(diǎn)來(lái)說(shuō)，四個(gè)元素所表示的含義分別如下：0號(hào)元素表示下一個(gè)輪廓（同一層級(jí)）；1號(hào)元素表示前一個(gè)輪廓（同一層級(jí)）；2號(hào)元素表示第一個(gè)子輪廓（下一層級(jí)）；3號(hào)元素表示父輪廓（上一層級(jí)）

drawContours函數(shù)的作用

主要用于畫(huà)出圖像的輪廓

函數(shù)的調(diào)用形式

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() )

函數(shù)參數(shù)詳解：

其中第一個(gè)參數(shù)image表示目標(biāo)圖像，

第二個(gè)參數(shù)contours表示輸入的輪廓組，每一組輪廓由點(diǎn)vector構(gòu)成，

第三個(gè)參數(shù)contourIdx指明畫(huà)第幾個(gè)輪廓，如果該參數(shù)為負(fù)值，則畫(huà)全部輪廓，

第四個(gè)參數(shù)color為輪廓的顏色，

第五個(gè)參數(shù)thickness為輪廓的線寬，如果為負(fù)值或CV_FILLED表示填充輪廓內(nèi)部，

第六個(gè)參數(shù)lineType為線型，

第七個(gè)參數(shù)為輪廓結(jié)構(gòu)信息，

第八個(gè)參數(shù)為maxLevel

代碼演示

/*
* 輪廓發(fā)現(xiàn)
* 1：輸入圖像轉(zhuǎn)為灰度圖像
* 2使用Canny進(jìn)行邊緣提取，得到二值圖像
* 3使用findContours尋找輪廓
* 4使用drawContours繪制輪廓
* 
*/
#include <opencv.hpp>
#include<iostream>
#include <string>
#include<conio.h>
#include<time.h>
using namespace std;
using namespace cv;
Mat src, dst;
const char* output_win = "findcontours demo";
int threshold_value = 100;
int threshold_max = 255;
RNG rng;
void Demo_Contours(int, void*);
int main()
{
	src = imread("E:\\Users\\opencvCoder\\image\\niu.jpg");
	if (src.empty())
	{
		printf("could not load image...\n");
		return -1;
	}
	imshow("input_image", src);
	namedWindow("input_image", 0);
	namedWindow(output_win, 1);
	cvtColor(src, src, COLOR_BGR2GRAY);
	imshow("gray_image", src);
	const char* trackbar_title = "Threshold Value";
	createTrackbar(trackbar_title, output_win, &threshold_value, threshold_max, Demo_Contours);
	Demo_Contours(0, 0);
	waitKey(0);
	return 0;
}
void Demo_Contours(int, void*)
{
	Mat canny_output;
	vector<vector<Point>>contours;
	vector<Vec4i>hierachy;
	/*
	*Canny邊緣檢測(cè)的步驟：
	*1、去噪。噪聲會(huì)影響邊緣檢測(cè)的準(zhǔn)確性，因此首先要將噪聲過(guò)濾掉。
	*2、計(jì)算梯度大小和方向。
	*3、非極大值抑制。就是適當(dāng)?shù)淖屵吘?變瘦'。
	*4、確定邊緣。使用雙閾值法確定最終的邊緣信息。
	*/
	Canny(src, canny_output, threshold_value, threshold_value * 2, 3, false);
	findContours(canny_output, contours, hierachy, RETR_TREE, CHAIN_APPROX_SIMPLE, Point(0, 0));
	dst = Mat::zeros(src.size(), CV_8UC3);
	RNG rng(12345);
	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(dst, contours, i, color,2, 8, hierachy, 0, Point(0, 0));
	}
	imshow(output_win, dst);
	//canny_output 為圖像掩碼，將非零值復(fù)制給dst
	src.copyTo(dst, canny_output);
	//圖像取反輸出
	//imshow(output_win, ~dst);
	//正常輸出
	imshow("mask image", dst);
}

到此這篇關(guān)于Opencv實(shí)現(xiàn)邊緣檢測(cè)與輪廓發(fā)現(xiàn)及繪制輪廓方法詳解的文章就介紹到這了,更多相關(guān)Opencv邊緣檢測(cè) 內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評(píng)論