opencv轮廓提取原理与代码的实现

　　在检测物体的轮廓时，我们通常会使用到opencv中的findcontour和drawcontour，比较常用而且效果不错。那么findcontour是基于什么原理来实现轮廓的提取呢？

　　轮廓的提取与描述

　　在目标识别中我们首先要把感兴趣的目标提取出来，而一般常见的步骤都是通过颜色或纹理提取出目标的前景图（一幅黑白图像，目标以白色显示在图像中），接下来我们要对前景图进行分析进一步地把目标提取出来，而这里常常用到的就是提取目标的轮廓。

　　OpenCV里提取目标轮廓的函数是findContours，它的输入图像是一幅二值图像，输出的是每一个连通区域的轮廓点的集合：vector《vector《Point》》。外层vector的size代表了图像中轮廓的个数，里面vector的size代表了轮廓上点的个数。下面我们通过实例来看函数的用法。

　　view plain copy print？

　　int main（）

　　{

　　using namespace cv;

　　Mat image=imread（“。。/shape.png”）;

　　cvtColor（image，image，CV_BGR2GRAY）;

　　vector《vector《Point》》 contours;

　　// find

　　findContours（image，contours，CV_RETR_EXTERNAL，CV_CHAIN_APPROX_NONE）;

　　// draw

　　Mat result（image.size（），CV_8U，Scalar（0））;

　　drawContours（result，contours，-1，Scalar（255），2）;

　　namedWindow（“contours”）;

　　imshow（“contours”，result）;

　　waitKey（）;

　　return 0;

　　}

　　int main（）

　　{

　　using namespace cv;

　　Mat image=imread（“。。/shape.png”）;

　　cvtColor（image，image，CV_BGR2GRAY）;

　　vector《vector《Point》》 contours;

　　// find

　　findContours（image，contours，CV_RETR_EXTERNAL，CV_CHAIN_APPROX_NONE）;

　　// draw

　　Mat result（image.size（），CV_8U，Scalar（0））;

　　drawContours（result，contours，-1，Scalar（255），2）;

　　namedWindow（“contours”）;

　　imshow（“contours”，result）;

　　waitKey（）;

　　return 0;

　　}

　　

　　上面程序中包含了2个函数，第一个是查找轮廓函数，它的第三个参数说明查找轮廓的类型，这里我们使用的是外轮廓，还可以查找所有轮廓，即

　　包括一些孔洞的部分，像图像人物胳膊与腰间形成的轮廓。第4个参数说明了轮廓表示的方法，程序中的参数说明轮廓包括了所有点，也可以用其

　　他参数让有点直线的地方，只保存直线起始与终点的位置点，具体参数用法可以参考手册里函数的介绍。

　　第二个函数drawContours是一个画轮廓的函数，它的第3个参数程序里设置-1表示所有的轮廓都画，你也可以指定要画的轮廓的序号。

　　提取到轮廓后，其实我们更关心的是如果把这些轮廓转换为可以利用的特征，也就是涉及到轮廓的描述问题，这时就有多种方法可以选择，比如矢

　　量化为多边形、矩形、椭圆等。OpenCV里提供了一些这样的函数。

　　［cpp］ view plain copy print？

　　// 轮廓表示为一个矩形

　　Rect r = boundingRect（Mat（contours［0］））;

　　rectangle（result， r， Scalar（255）， 2）;

　　// 轮廓表示为一个圆

　　float radius;

　　Point2f center;

　　minEnclosingCircle（Mat（contours［1］）， center， radius）;

　　circle（result， Point（center）， static_cast《int》（radius）， Scalar（255）， 2）;

　　// 轮廓表示为一个多边形

　　vector《Point》 poly;

　　approxPolyDP（Mat（contours［2］）， poly， 5， true）;

　　vector《Point》：：const_iterator itp = poly.begin（）;

　　while （itp ！= （poly.end（） - 1））

　　{

　　line（result， *itp， *（itp + 1）， Scalar（255）， 2）;

　　++itp;

　　}

　　line（result， *itp， *（poly.begin（））， Scalar（255）， 2）;

　　// 轮廓表示为凸多边形

　　vector《Point》 hull;

　　convexHull（Mat（contours［3］）， hull）;

　　vector《Point》：：const_iterator ith = hull.begin（）;

　　while （ith ！= （hull.end（） - 1））

　　{

　　line（result， *ith， *（ith + 1）， Scalar（255）， 2）;

　　++ith;

　　}

　　line（result， *ith， *（hull.begin（））， Scalar（255）， 2）;

　　// 轮廓表示为一个矩形

　　Rect r = boundingRect（Mat（contours［0］））;

　　rectangle（result， r， Scalar（255）， 2）;

　　// 轮廓表示为一个圆

　　float radius;

　　Point2f center;

　　minEnclosingCircle（Mat（contours［1］）， center， radius）;

　　circle（result， Point（center）， static_cast《int》（radius）， Scalar（255）， 2）;

　　// 轮廓表示为一个多边形

　　vector《Point》 poly;

　　approxPolyDP（Mat（contours［2］）， poly， 5， true）;

　　vector《Point》：：const_iterator itp = poly.begin（）;

　　while （itp ！= （poly.end（） - 1））

　　{

　　line（result， *itp， *（itp + 1）， Scalar（255）， 2）;

　　++itp;

　　}

　　line（result， *itp， *（poly.begin（））， Scalar（255）， 2）;

　　// 轮廓表示为凸多边形

　　vector《Point》 hull;

　　convexHull（Mat（contours［3］）， hull）;

　　vector《Point》：：const_iterator ith = hull.begin（）;

　　while （ith ！= （hull.end（） - 1））

　　{

　　line（result， *ith， *（ith + 1）， Scalar（255）， 2）;

　　++ith;

　　}

　　line（result， *ith， *（hull.begin（））， Scalar（255）， 2）;

　　程序中我们依次画了矩形、圆、多边形和凸多边形。最终效果如下：

　　

　　对连通区域的分析到此远远没有结束，我们可以进一步计算每一个连通区域的其他属性，比如：重心、中心矩等特征，这些内容以后有机会展开来写。

　　以下几个函数可以尝试：minAreaRect：计算一个最小面积的外接矩形，contourArea可以计算轮廓内连通区域的面积；pointPolygenTest可以

　　用来判断一个点是否在一个多边形内。mathShapes可以比较两个形状的相似性，相当有用的一个函数。

　　一、大概思想

　　他主要介绍了两种算法，用来对数字二值图像进行拓扑分析。第一种算法是在确定二值图像边界的围绕关系，即确定外边界、孔边界以及他们的层次关系，由于这些边界和原图的区域具有一一对应关系（外边界对应像素值为1的连通区域，孔边界对应像素值为0的区域），因此我们就可以用边界来表示原图。第二种算法，是第一种算法的修改版本，本质一样，但是它只找最外面的边界。

　　也许你会问，这个算法怎么来确定外边界，孔边界以及他们的层级关系？他采用编码的思想，给不同的边界赋予不同的整数值，从而我们就可以确定它是什么边界以及层次关系。输入的二值图像即为0和1的图像，用f（i，j）表示图像的像素值。每次行扫描，遇到以下两种情况终止：

　　（1）f（i，j-1）=0，f（i，j）=1；//f（i，j）是外边界的起始点

　　（2）f（i，j）》=1，f（i，j+1）=0；//f（i，j）是孔边界的起始点

　　然后从起始点开始，标记边界上的像素。在这里分配一个唯一的标示符给新发现的边界，叫做NBD。初始时NBD=1，每次发现一个新边界加1。在这个过程中，遇到f（p，q）=1，f（p，q+1）=0时，将f（p，q）置为-NBD。什么意思呢？就是右边边界的终止点。假如一个外边界里有孔边界时，怎么推导呢？限于篇幅，你可以看论文的附录1。

　　二、实例运用

　　下面举个例子，对一幅图像先进行边沿提取，这里使用canny，然后再用findcontour提取轮廓，最后用drawcontour画出轮廓。

　　#include “StdAfx.h”#include “opencv2/highgui/highgui.hpp”#include “opencv2/imgproc/imgproc.hpp”#include 《iostream》#include 《stdio.h》#include 《stdlib.h》

　　using namespace cv;using namespace std;

　　Mat src; Mat src_gray;int thresh = 100;int max_thresh = 255;RNG rng（12345）;

　　/// Function headervoid thresh_callback（int， void* ）;

　　/** @function main */int main（）{ /// Load source image and convert it to gray src = imread（“lena.jpg”， 1 ）;

　　/// Convert image to gray and blur it cvtColor（ src， src_gray， CV_BGR2GRAY ）; blur（ src_gray， src_gray， Size（3，3） ）;

　　/// Create Window char* source_window = “Source”; namedWindow（ source_window， 0）; imshow（ source_window， src ）;

　　createTrackbar（ “ Canny thresh：”， “Source”， &thresh， max_thresh， thresh_callback ）; thresh_callback（ 0， 0 ）;

　　waitKey（0）; return（0）;}

　　/** @function thresh_callback */void thresh_callback（int， void* ）{ Mat canny_output; vector《vector《Point》 》 contours; vector《Vec4i》 hierarchy;

　　/// Detect edges using canny Canny（ src_gray， canny_output， thresh， thresh*2， 3 ）; /// Find contours findContours（ canny_output， contours， hierarchy， CV_RETR_EXTERNAL， CV_CHAIN_APPROX_SIMPLE， Point（0， 0） ）;

　　/// Draw contours Mat drawing = Mat：：zeros（ canny_output.size（）， CV_8UC3 ）; for（ int i = 0; i《 contours.size（）; i++ ） { Scalar color = Scalar（ rng.uniform（0， 255）， rng.uniform（0，255）， rng.uniform（0，255） ）; drawContours（ drawing， contours， i， color， CV_FILLED， 8， hierarchy， 0， Point（） ）; }

　　/// Show in a window namedWindow（ “Contours”， 0 ）; imshow（ “Contours”， drawing ）;

　　来自CODE的代码片contour.cpp

　　结果图如下：

　　三、代码注释

　　findContours（ canny_output， contours， hierarchy， CV_RETR_EXTERNAL， CV_CHAIN_APPROX_SIMPLE， Point（0， 0） ）;

　　来自CODE的代码片findcontour.cpp

　　canny_output：使用canny算子提取边缘的结果图，这里的图像必须是二值图像；

　　contours：提取得到的轮廓图，每个轮廓作为一个点向量来存储；

　　hierarchy：关于输出图像的拓扑信息，例如第i个轮廓，hierarchy［i］［0］和hiearchy［i］［1］表示该轮廓的前一个和后一个轮廓，同一层关系；hiearchy［i］［2］和hiearchy［i］［3］表示父轮廓和子轮廓，不同层的关系。

　　CV_RETR_EXTERNAL：轮廓检索模式，这里采用外轮廓的模式；

　　CV_CHAIN_APPROX_SIMPLE：轮廓的近似方法，这里采用压缩方式，只用端点来表示；

　　Point（0，0）：偏移量，这里无偏移。

　　drawContours（ drawing， contours， i， color，CV_FILLED， 8， hierarchy， 0， Point（） ）;

　　来自CODE的代码片drawContours.cpp

　　drawing：目标图像；

　　contours：所有输入的轮廓；

　　i：指定那个轮廓被画；

　　color：轮廓的颜色

　　CV_FILLED：线的宽度，这里采用填充模式；

　　8：线的连接度；

　　hierarchy：只有当你只需要画一些轮廓时，这个参数才需要：

　　0：所画轮廓的最大级别，为0时表示只画指定的轮廓；

　　Point（）：偏移量。