轮廓检测：findContours函数使用

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

第一个参数：image，单通道图像矩阵，可以是灰度图，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；

第二个参数：contours，定义为“vector<vector<Point>> contours”，是一个向量，并且是一个双重向量，向量

           内每个元素保存了一组由连续的Point点构成的点的集合的向量，每一组Point点集就是一个轮廓。  

           有多少轮廓，向量contours就有多少元素。

第三个参数：hierarchy，定义为“vector<Vec4i> hierarchy”，Vec4i的定义：

                           typedef    Vec<int, 4>   Vec4i;                                                                                                                                 

           Vec4i是Vec<int,4>的别名，定义了一个“向量内每一个元素包含了4个int型变量”的向量。

           所以从定义上看，hierarchy也是一个向量，向量内每个元素保存了一个包含4个int整型的数组。

           向量hierarchy内的元素和轮廓向量contours内的元素是一一对应的，向量的容量相同。

           hierarchy向量内每一个元素的4个int型变量——hierarchy[i][0] ~hierarchy[i][3]，分别表示第

        i个轮廓的后一个轮廓、前一个轮廓、父轮廓、内嵌轮廓的索引编号。如果当前轮廓没有对应的后一个

        轮廓、前一个轮廓、父轮廓或内嵌轮廓的话，则hierarchy[i][0] ~hierarchy[i][3]的相应位被设置为

        默认值-1。

 

第四个参数：int型的mode，定义轮廓的检索模式：

 

           取值一：CV_RETR_EXTERNAL只检测最外围轮廓，包含在外围轮廓内的内围轮廓被忽略

 

           取值二：CV_RETR_LIST   检测所有的轮廓，包括内围、外围轮廓，但是检测到的轮廓不建立等级关

                  系，彼此之间独立，没有等级关系，这就意味着这个检索模式下不存在父轮廓或内嵌轮廓，

                  所以hierarchy向量内所有元素的第3、第4个分量都会被置为-1，具体下文会讲到

 

           取值三：CV_RETR_CCOMP  检测所有的轮廓，但所有轮廓只建立两个等级关系，外围为顶层，若外围

                  内的内围轮廓还包含了其他的轮廓信息，则内围内的所有轮廓均归属于顶层

 

           取值四：CV_RETR_TREE， 检测所有轮廓，所有轮廓建立一个等级树结构。外层轮廓包含内层轮廓，内

                   层轮廓还可以继续包含内嵌轮廓。

 

第五个参数：int型的method，定义轮廓的近似方法：

 

           取值一：CV_CHAIN_APPROX_NONE 保存物体边界上所有连续的轮廓点到contours向量内

 

           取值二：CV_CHAIN_APPROX_SIMPLE 仅保存轮廓的拐点信息，把所有轮廓拐点处的点保存入contours

                   向量内，拐点与拐点之间直线段上的信息点不予保留

 

           取值三和四：CV_CHAIN_APPROX_TC89_L1，CV_CHAIN_APPROX_TC89_KCOS使用teh-Chinl chain 近

                   似算法

第六个参数：Point偏移量，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，并且Point还可以是负值！

 

 

计算轮廓的例子

官方

#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 header
void thresh_callback(int, void* );

/** @function main */
int main( int argc, char** argv )
{
  /// Load source image and convert it to gray
  src = imread( argv[1], 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, CV_WINDOW_AUTOSIZE );
  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_TREE, 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, 2, 8, hierarchy, 0, Point() );
     }

  /// Show in a window
  namedWindow( "Contours", CV_WINDOW_AUTOSIZE );
  imshow( "Contours", drawing );
}

效果

 

 

https://blog.youkuaiyun.com/qq_34510308/article/details/87865052

给的例子，计算最小轮廓

 

string boundRect(string srcPath)
{
	Mat srcImage = imread(srcPath);
	if (srcImage.empty())
	{
		return "srcImage is Empty";
	}
	else
	{
		Mat temp;
		Mat binary_temp;
		cvtColor(srcImage, temp, COLOR_BGR2GRAY);
		threshold(temp, binary_temp, 150, 255, CV_THRESH_BINARY_INV);
		//imshow("temp", binary_temp);
		vector<vector<Point>> contours;
		vector<Vec4i> hierarchy;
		findContours(binary_temp, contours, hierarchy, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE, Point(0, 0));
		vector<Rect> boundRect(contours.size());
		for (int i = 0; i &lt; contours.size(); i++)
		{
			boundRect[i] = boundingRect(Mat(contours[i]));
			rectangle(srcImage, boundRect[i].tl(), boundRect[i].br(), (0, 0, 255), 2, 8, 0);
			//rectangle(srcImage, boundRect[i].tl(), boundRect[i].br(), (255, 0, 0), 2, 8, 0);
			//rectangle(srcImage,rect,(255, 0, 0), 2, 8, 0);
		}
		imshow("srcImage", srcImage);
		waitKey(0);
		return "success";
	}
}

string minRect(string srcPath)
{
	Mat srcImage = imread(srcPath);
	if (srcImage.empty())
	{
		return "srcImage is Empty";
	}
	else
	{
		Mat grayImage, binaryImage;
		cvtColor(srcImage, grayImage, CV_BGR2GRAY);
		threshold(grayImage, binaryImage, 100, 255, CV_THRESH_BINARY_INV);//自适应二值化
        vector<vector<Point>> contours;
		vector<Vec4i> hierarchy;
		findContours(binaryImage, contours, hierarchy, RETR_EXTERNAL, CHAIN_APPROX_NONE, Point());

		Mat drawingPicture = Mat::zeros(binaryImage.size(), CV_8UC1); //最小外接矩形画布  
		for (int i = 0; i &lt; contours.size(); i++)
		{
			//绘制轮廓  
			drawContours(drawingPicture, contours, i, Scalar(255), 1, 8, hierarchy);

			//绘制轮廓的最小外结矩形  
			RotatedRect rect = minAreaRect(contours[i]);
			//rectangle(画布,rect.boundingRect(),Scalar(55));
			Point2f P[4];

			rect.points(P);
			for (int j = 0; j &lt;= 3; j++)
			{
				line(srcImage, P[j], P[(j + 1) % 4], Scalar(0, 0, 255), 1);
				line(drawingPicture, P[j], P[(j + 1) % 4], Scalar(111), 2);
			}

		}
		imshow("标注出矩形", srcImage);
		waitKey(0);
		return "success";
	}
}