【OPENCV】輪廓檢測

Tags: DIP


findContours()

void findContours(InputOutputArray image, OutputArrayOfArrayscontours, OutputArray hierarchy, int mode, intmethod, Point offset=Point())

  • 輸入圖像image必須為一個2值單通道圖像

  • contours參數(shù)為檢測的輪廓數(shù)組,每一個輪廓用一個point類型的vector表示

  • hiararchy參數(shù)和輪廓個數(shù)相同,每個輪廓contours[ i ]對應(yīng)4個hierarchy元素hierarchy[ i ][ 0 ] ~hierarchy[ i ][ 3 ],分別表示后一個輪廓、前一個輪廓、父輪廓、內(nèi)嵌輪廓的索引編號,如果沒有對應(yīng)項,該值設(shè)置為負數(shù)。

  • mode表示輪廓的檢索模式:

    • CV_RETR_EXTERNAL表示只檢測外輪廓

    • CV_RETR_LIST檢測的輪廓不建立等級關(guān)系

    • CV_RETR_CCOMP建立兩個等級的輪廓,上面的一層為外邊界,里面的一層為內(nèi)孔的邊界信息。如果內(nèi)孔內(nèi)還有一個連通物體,這個物體的邊界也在頂層。

    • CV_RETR_TREE建立一個等級樹結(jié)構(gòu)的輪廓。具體參考contours.c這個demo

  • method為輪廓近似辦法

    • CV_CHAIN_APPROX_NONE存儲所有的輪廓點,相鄰的兩個點的像素位置差不超過1,即max(abs(x1-x2),abs(y2-y1))==1

    • CV_CHAIN_APPROX_SIMPLE壓縮水平方向,垂直方向,對角線方向的元素,只保留該方向的終點坐標(biāo),例如一個矩形輪廓只需4個點來保存輪廓信息

    • CV_CHAIN_APPROX_TC89_L1,CV_CHAIN_APPROX_TC89_KCOS使用teh-Chinl chain 近似算法

approxPolyDP()函數(shù)對輪廓做多邊形曲線近似處理

void cv::approxPolyDP(InputArray curve, OutputArray approxCurve, double epsilon, bool closed)
使用曲線或者多邊形在一定的精度限制下,近似原來的曲線或者多邊形。epsilon限制新的曲線和原有曲線的最大距離。closed:曲線是否閉合。

boundingRect() 返回輪廓正(upright)矩形

MinAreaRect() 返回輪廓的最小外接矩形

最小面積外接矩形通常是旋轉(zhuǎn)矩形,返回RotatedRect對象。
RotatedRect對象:

class cv::RotatedRect {
cv::Point2f center; // Exact center point (around which to rotate)
cv::Size2f size; // Size of rectangle (centered on 'center')
float angle; // degrees
};
537IGa.png

minEnclosingCircle() 返回輪廓最小外接圓

其他contour相關(guān)函數(shù):

ArcLength()        //計算輪廓的長度
ContourArea()   //計算輪廓區(qū)域的面積
ConvexHull()     //計算凸殼輪廓
IsContourConvex() //測試一個輪廓凸性
FitLine()  //直線擬合
#include "opencv2/imgcodecs.hpp"
#include "opencv2/highgui.hpp"
#include "opencv2/imgproc.hpp"
#include <iostream>
using namespace cv;
using namespace std;
Mat src; 
Mat src_gray;
int thresh = 100;
int max_thresh = 255;
RNG rng(12345); // random number generator
void thresh_callback(int, void* );
int main( int, char** argv )
{
  src = imread( argv[1], IMREAD_COLOR );
  cvtColor( src, src_gray, COLOR_BGR2GRAY );
  blur( src_gray, src_gray, Size(3,3) );
  const char* source_window = "Source";
  namedWindow( source_window, WINDOW_AUTOSIZE );
  imshow( source_window, src );
  createTrackbar( " Threshold:", "Source", &thresh, max_thresh, thresh_callback );
  thresh_callback( 0, 0 );
  waitKey(0);
  return(0);
}
void thresh_callback(int, void* )
{
  Mat threshold_output;
  vector<vector<Point> > contours;
  vector<Vec4i> hierarchy;
  threshold( src_gray, threshold_output, thresh, 255, THRESH_BINARY );
  findContours( threshold_output, contours, hierarchy, RETR_TREE, CHAIN_APPROX_SIMPLE, Point(0, 0) );
  vector<vector<Point> > contours_poly( contours.size() );
  vector<Rect> boundRect( contours.size() );
  vector<Point2f>center( contours.size() );
  vector<float>radius( contours.size() );
  vector<RotatedRect> rotateBox(contours.size());
  Point2f vtx[4];
  for( size_t i = 0; i < contours.size(); i++ )
  {
    approxPolyDP( Mat(contours[i]), contours_poly[i], 3, true );
    boundRect[i] = boundingRect( Mat(contours_poly[i]) );
    minEnclosingCircle( contours_poly[i], center[i], radius[i] );
    rotateBox[i] = minAreaRect(Mat(contours_poly[i]));
  }
  Mat drawing = Mat::zeros( threshold_output.size(), CV_8UC3 );
  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( drawing, contours_poly, (int)i, color, 1, 8, vector<Vec4i>(), 0, Point() );
    rectangle( drawing, boundRect[i].tl(), boundRect[i].br(), color, 2, 8, 0 );
    circle( drawing, center[i], (int)radius[i], color, 2, 8, 0 );
    rotateBox[i].points(vtx);
    for(int i = 0; i < 4; i++){
      line(drawing, vtx[i], vtx[(i+1)%4], color, 2, 8, 0);
    }
  }
  namedWindow( "Contours", WINDOW_AUTOSIZE );
  imshow( "Contours", drawing );
}
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成,瀏覽時請結(jié)合常識與多方信息審慎甄別。
平臺聲明:文章內(nèi)容(如有圖片或視頻亦包括在內(nèi))由作者上傳并發(fā)布,文章內(nèi)容僅代表作者本人觀點,簡書系信息發(fā)布平臺,僅提供信息存儲服務(wù)。

相關(guān)閱讀更多精彩內(nèi)容

友情鏈接更多精彩內(nèi)容