opencv —— findContours、drawContours 寻找并绘制轮廓

轮廓图像与 Canny 图像的区别

一个轮廓一般对应一系列的点，也就是图像中的一条曲线。轮廓图像和 Canny 图像乍看起来表现几乎是一致的，但其实组成两者的数据结构差别很大：

• Canny 边缘图像是一个点的集合，点与点之间没有联系。

• 轮廓图像是一个点集的集合，每个点集（即轮廓）内的点都是相邻的，点集与点集之间也存在前后、父内等关系。

寻找轮廓：findContours 函数

findContours 函数用于在二值图像中寻找轮廓。

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

• image，输入图像，即源图像，填 Mat 类的对象即可，可以是灰度图（非零像素被视为 1），但更常用的是二值图像，一般是经过Canny、拉普拉斯等边缘检测算子处理过的二值图像。
• contours，检测到的所有轮廓均会被存在这里。每个轮廓为一个点集，用 Point 类型的 vector 表示。所以会被定义为

vector<vector<Point> > contours

• hierarchy，每个轮廓 contours[i] 对应四个 hierarchy[i][0] ~ hierarchy[i][3]，分别表示与当前轮廓平级的后一个轮廓的的索引编号、与当前轮廓平级的前一个轮廓的索引编号、当前轮廓的子轮廓的索引编号、当前轮廓的父轮廓的索引编号。如果没有对应项，hierarchy[i][x] = -1。
• mode，轮廓检索模式，取值如下：

标识符	含义
RETR_EXTERNAL	只检测最外层轮廓，包含在外围轮廓内的内围轮廓被忽略。不存在父轮廓或内嵌轮廓 （hierarchy[i][2] = hierarchy[i][3] = -1）。
RETR_LIST	提取所有轮廓，并且放置在 list 中。不存在父轮廓或内嵌轮廓 （hierarchy[i][2] = hierarchy[i][3] = -1）。 再举个例子：
RETR_CCOMP	提取所有轮廓，无论嵌套个数多少，都将其组织为双层结构（外层、内层）。 再举个例子：
RETR_TREE	提取所有轮廓，并建立网状的轮廓结构（最外层轮廓为根）。 再举个例子：

• method，轮廓的近似办法，取值如下：

标识符	含义
CHAIN_APPROX_NONE	获取每个轮廓的每个像素，相邻的两个像素位差不超过 1 像素。
CHAIN_APPROX_SIMPLE	仅保存轮廓的拐点信息，拐点与拐点之间直线段上的信息点不予保留。例如一个矩形轮廓只需 4 个点来保留轮廓信息。
CHAIN_APPROX_TC89_L1 CHAIN_APPROX_TC89_KCOS	使用 teh-Chinl chain 近似算法。

• offset，所有的轮廓信息相对于原始图像对应点的偏移量，相当于在每一个检测出的轮廓点上加上该偏移量，有默认值 Point() 。对 ROI 区域（感兴趣区域）中找出的轮廓，并要在整个图像中进行分析时，这个参数便可派上用场。

绘制轮廓：drawContours 函数

void drawContours(InputOutputArray image, InputOutputArrays contours, int contourIdx, const Scalar& color, int thickness = 1, int lineType = 8, InputArray hierarchy = noArray(), int maxLevel = INT_MAX, Point offset = Point());

• image，目标图像，填 Mat 类对象即可。
• contours，输入的轮廓，每个轮廓都是一组点集，可用 Point 类型的 vector 表示。
• contourIdx，轮廓的索引编号。若为负值，则绘制所有轮廓。
• color，轮廓颜色。
• thickness，轮廓线条的粗细程度，有默认值 1。若其为负值，便会填充轮廓内部空间。
• lineType，线条的类型，有默认值 8。可去类型如下：

类型	含义
8	8 连通线型
4	4 连通线型
LINE_AA	抗锯齿线型

• hierarchy，可选的层次结构信息，有默认值 noArray()。
• maxLevel，用于绘制轮廓的最大等级，有默认值 INT_MAX。
• offset，轮廓信息相对于目标图像对应点的偏移量，相当于在每一个轮廓点上加上该偏移量，有默认值 Point() 。在 ROI 区域（感兴趣区域）绘制轮廓时，这个参数便可派上用场。

代码示例：

#include<opencv.hpp>
#include<iostream>
#include<vector>
using namespace std;
using namespace cv;
int main() {
    Mat src = imread("C:/Users/齐明洋/Desktop/3.jpg");
    imshow("src", src);
 
    Mat canny_img;
    Canny(src, canny_img, , , );
    //闭操作，先膨胀后腐蚀，可消除小黑点
    Mat kernel = getStructuringElement(MORPH_RECT, Size(, ));
    morphologyEx(canny_img, canny_img, MORPH_CLOSE, kernel);
    imshow("canny_img", canny_img);
 
    Mat dst = Mat(src.rows, src.cols, CV_8UC3, Scalar(, , ));
    vector<vector<Point> >contours;
 
    ////写法一
    //vector<Vec4i>hierarchy;
    //findContours(canny_img, contours,hierarchy, RETR_TREE, CHAIN_APPROX_NONE);
    //for (int i = 0; i < contours.size(); i++) {
    //    drawContours(dst, contours, i, Scalar(0, 0, 255), 1, 8, hierarchy);
    //}
 
    //写法二
    findContours(canny_img, contours, RETR_TREE, CHAIN_APPROX_NONE);
    drawContours(dst, contours, -, Scalar(, , ), );
 
    imshow("dst", dst);
 
    waitKey();
}

效果演示：

借鉴博客：https://www.cnblogs.com/GaloisY/p/11062065.html

https://blog.csdn.net/qq_35239859/article/details/99676501