快捷導(dǎo)航

OpenCV實(shí)現(xiàn)繪制輪廓外接矩形

更新時(shí)間：2022年12月29日 14:02:28 作者：黑色の鉛筆

這篇文章主要為大家詳細(xì)介紹了OpenCV實(shí)現(xiàn)繪制輪廓外接矩形的方法，文中示例代碼介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下

1.尋找輪廓

api

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

各個(gè)參數(shù)詳解如下：

Image表示輸入圖像，必須是二值圖像，二值圖像可以threshold輸出、Canny輸出、inRange輸出、自適應(yīng)閾值輸出等。

Contours獲取的輪廓，每個(gè)輪廓是一系列的點(diǎn)集合

Hierarchy輪廓的層次信息，每個(gè)輪廓有四個(gè)相關(guān)信息，分別是同層下一個(gè)、前一個(gè)、第一個(gè)子節(jié)點(diǎn)、父節(jié)點(diǎn)

mode 表示輪廓尋找時(shí)候的拓?fù)浣Y(jié)構(gòu)返回 -RETR_EXTERNAL表示只返回最外層輪廓 -RETR_TREE表示返回輪廓樹結(jié)構(gòu)

CV_RETR_EXTERNAL：只檢測(cè)外輪廓。忽略輪廓內(nèi)部的洞
CV_RETR_LIST：檢測(cè)所有輪廓，但不建立繼承(包含)關(guān)系
CV_RETR_TREE：檢測(cè)所有輪廓，并且建立所有的繼承(包含)關(guān)系。也就是說(shuō)用CV_RETR_EXTERNAL和CV_RETR_LIST方法的時(shí)候hierarchy這個(gè)變量是沒用的，因?yàn)榍罢邲]有包含關(guān)系，找到的都是外輪廓，后者僅僅是找到所喲的輪廓但并不把包含關(guān)系區(qū)分。用TREE這種檢測(cè)方法的時(shí)候我們的hierarchy這個(gè)參數(shù)才是有意義的
CV_RETR_CCOMP：檢測(cè)所有輪廓，但是僅僅建立兩層包含關(guān)系。外輪廓放到頂層，外輪廓包含的第一層內(nèi)輪廓放到底層，如果內(nèi)輪廓還包含輪廓，那就把這些內(nèi)輪廓放到頂層去。

Method表示輪廓點(diǎn)集合取得是基于什么算法，常見的是基于CHAIN_APPROX_SIMPLE鏈?zhǔn)骄幋a方法

注意，如果圖像底色是白色，則檢測(cè)最外層的輪廓為圖像邊框

2.繪制輪廓外接矩形

繪制外接矩形包括兩種：

繪制最大外接矩形

（Rect cv::boundingRect( InputArray points )）

其中，輸入?yún)?shù)points為一系列點(diǎn)的集合（findContours中contours中的一個(gè)元素），對(duì)輪廓來(lái)說(shuō)就是該輪廓的點(diǎn)集返回結(jié)果是一個(gè)矩形，x, y, w, h

繪制最小外接矩形

RotatedRect cv::minAreaRect( InputArray points )

其中，輸入?yún)?shù)points為一系列點(diǎn)的集合（findContours中contours中的一個(gè)元素），對(duì)輪廓來(lái)說(shuō)就是該輪廓的點(diǎn)集返回結(jié)果是一個(gè)旋轉(zhuǎn)矩形，包含下面的信息： - 矩形中心位置 - 矩形的寬高 - 旋轉(zhuǎn)角度。

3.代碼

EdgeDetection.h

#pragma once
#include<opencv2/opencv.hpp>
#include<iostream>

using namespace std;
using namespace cv;


class EdgeDetection
{
    cv::Mat m_img;
    cv::Mat m_canny;
public:
    EdgeDetection(cv::Mat iamge);
    bool cannyProcess(unsigned int downThreshold,unsigned int upThreshold);
    bool getContours();

    ~EdgeDetection();
};

EdgeDetection.cpp

#include "EdgeDetection.h"

EdgeDetection::EdgeDetection(cv::Mat image)
{
    m_img = image;
}

bool EdgeDetection::cannyProcess(unsigned int downThreshold, unsigned int upThreshold)
{
    bool ret=true;

    if (m_img.empty())
    {
        ret = false;
    }

    cv::Canny(m_img, m_canny, downThreshold, upThreshold);
    cv::imshow("Canny", m_canny);

    return ret;
}

bool EdgeDetection::getContours()
{
    bool ret = true;
    if (m_canny.empty())
    {
        ret = false;
    }

    cv::Mat k = cv::getStructuringElement(cv::MORPH_RECT, cv::Size(3, 3), cv::Point(-1, -1));
    cv::dilate(m_canny, m_canny, k);
    imshow("dilate", m_canny);

    // 輪廓發(fā)現(xiàn)與繪制
    vector<vector<cv::Point> > contours;
    vector<Vec4i> hierarchy;
    findContours(m_canny, contours, cv::RETR_EXTERNAL, CHAIN_APPROX_SIMPLE, Point());

    for (size_t i = 0; i < contours.size();++i)
    {
        // 最大外接輪廓
        cv::Rect rect = cv::boundingRect(contours[i]);
        cv::rectangle(m_img,rect,cv::Scalar(0,255,0),2,LINE_8);


        // 最小外接輪廓
        RotatedRect rrt = minAreaRect(contours[i]);
        Point2f pts[4];
        rrt.points(pts);
        // 繪制旋轉(zhuǎn)矩形與中心位置
        for (int i = 0; i < 4; i++) {
            line(m_img, pts[i % 4], pts[(i + 1) % 4], Scalar(0, 0, 255), 2, 8, 0);
        }
        Point2f cpt = rrt.center;
        circle(m_img, cpt, 2, Scalar(255, 0, 0), 2, 8, 0);
    }





    imshow("contours", m_img);
    return ret;
}

EdgeDetection::~EdgeDetection()
{
}

main.cpp

#include"EdgeDetection.h"
using namespace std;
using namespace cv;



int main(int argc, char* argv[])
{
    Mat src = imread("rect.jpg");
    if (src.empty())
    {
        cout << "image is empty" << endl;
        return -1;
    }

    imshow("input", src);

    EdgeDetection ed(src);

    ed.cannyProcess(80,160);
    ed.getContours();

    waitKey(0);
    return 0;
}

原圖