21.OpenCV获取图像轮廓信息

最新推荐文章于 2025-04-02 17:55:42 发布

阅读量931

点赞数 7

分类专栏： OpenCV(C++) 文章标签： opencv webpack javascript

本文链接：https://blog.youkuaiyun.com/qp135790/article/details/146947464

版权

OpenCV(C++) 专栏收录该内容

21 篇文章

订阅专栏

OpenCV获取图像轮廓信息

在计算机视觉领域，识别和分析图像中的对象形状是一项基本任务。OpenCV 库提供了一个强大的工具——轮廓检测（Contour Detection），它能够帮助我们精确地定位对象的边界。这篇博文将带你入门 OpenCV 的轮廓检测，理解其原理，并学会如何在 C++ 中使用它。

1.什么是轮廓？

简单来说，轮廓可以看作是一条连接所有具有相同颜色或灰度值的连续点（沿着边界）的曲线。

更准确地说，轮廓是图像中强度或颜色发生显著变化的区域的边界。在 OpenCV 中，轮廓检测通常作用于二值图像（只有黑色和白色像素的图像）。算法会寻找白色（或非零）区域的边界，并将这些边界表示为一系列点的坐标。

通过检测轮廓，我们可以实现目标分割、形状分析、物体计数、特征提取及对象检测和识别等任务。

轮廓介绍

如上图1,2,3 轮廓还有层次，有最外的轮廓1依次往里包括2,3轮廓。

2. OpenCV 轮廓检测函数

2.1 findContours 函数

findContours 是 OpenCV 中最常用的轮廓检测函数，其函数原型如下：

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

image：输入的二值图像（非零值表示前景）。
contours：输出轮廓，存储为 std::vector<std::vector<Point>>。
hierarchy：输出轮廓的层级信息，描述轮廓之间的嵌套关系。
mode：轮廓检索模式，如 RETR_EXTERNAL（只检测最外层轮廓）、RETR_LIST（检测所有轮廓但不建立层级关系）、RETR_TREE（检测所有轮廓并重构完整的层级结构）。
method：轮廓近似方法，如 CHAIN_APPROX_SIMPLE（压缩水平、垂直和对角冗余点）和 CHAIN_APPROX_NONE（存储所有点）。
offset：可选参数，用于给输出轮廓的所有点加上偏移值。

2.3 drawContours 函数

drawContours 函数用于在图像上绘制检测到的轮廓。它可以帮助直观展示轮廓检测和形状分析的结果。函数原型如下：

void drawContours(InputOutputArray image, InputArrayOfArrays contours, int contourIdx,
                  const Scalar& color, int thickness = 1, int lineType = LINE_8,
                  InputArray hierarchy = noArray(), int maxLevel = INT_MAX, Point offset = Point());

image：输入输出图像，即在该图像上绘制轮廓。
contours：轮廓集合，通常由 findContours 得到，类型为 std::vector<std::vector<Point>>。
contourIdx：指定绘制哪一个轮廓；若设为 -1，则绘制所有轮廓。
color：绘制轮廓的颜色，如 Scalar(0,255,0) 表示绿色。
thickness：轮廓线的粗细；若为负值，则填充轮廓内部。
lineType：线型，默认 LINE_8。
hierarchy：轮廓的层级信息，可选。
maxLevel：绘制轮廓的最大层级，默认 INT_MAX。
offset：绘制时添加的偏移量。

drawContours 常用于可视化轮廓检测结果，结合 findContours 使用可以将检测到的目标区域在图像上直观标记出来。

2.3 轮廓检测的基本步骤

使用 OpenCV C++ 进行轮廓检测通常遵循以下步骤：

读取图像 (Read Image): 使用 cv::imread 加载你想要处理的源图像到 cv::Mat 对象。
转换为灰度图 (Convert to Grayscale): 使用 cv::cvtColor 将彩色图像转换为灰度图，以简化图像信息。
二值化 (Thresholding): 使用 cv::threshold 将灰度图像转换为二值图像。这是轮廓检测的关键步骤，因为 findContours 函数通常需要二值图像作为输入。
查找轮廓 (Find Contours): 使用 cv::findContours() 函数来检测图像中的所有轮廓。
绘制轮廓 (Draw Contours): （可选）使用 cv::drawContours() 函数将检测到的轮廓绘制在原始图像或新的画布上，以便可视化。

2.4 参考代码

#include <opencv2/opencv.hpp>
#include <iostream>
using namespace cv;
using namespace std;

int main() {
    // 读取灰度图像
    Mat src = imread("E:/image/test.png");
    if (src.empty()) {
        cerr << "图像加载失败！" << endl;
        return -1;
    }
    Mat gray;
    cvtColor(src, gray, COLOR_BGR2GRAY);
    GaussianBlur(gray, gray, Size(5, 5), 0);

    Mat binary;
    double otsu_thresh_val = threshold(gray, binary, 0, 255, THRESH_BINARY | THRESH_OTSU);
    cout << "Otsu 自动选择的阈值为：" << otsu_thresh_val << endl;

    imshow("原始灰度图像", gray);
    imshow("otsu 二值化", binary);
	//查找轮廓
    vector<vector<Point>> contours;
    vector<Vec4i> hierarchy;
    findContours(binary, contours, hierarchy, RETR_TREE, CHAIN_APPROX_SIMPLE);
    cout << hierarchy.size();

	//绘制所有轮廓
    Mat contourImage = src.clone();
    drawContours(contourImage, contours, -1, Scalar(0, 0, 255), 1);
  
    imshow("contour", contourImage);
    waitKey(0);
    destroyAllWindows();
    return 0;
}

轮廓检测结果

如果只想要最外面的轮廓只需要把参数RETR_TREE改为**RETR_EXTERNAL**

3. 计算并绘制轮廓几何特征

在检测到轮廓后，我们可以计算并绘制轮廓的几何特征，例如：

面积 (contourArea)
周长 (arcLength)
重心
最小外接矩形 (boundingRect)
最小外接圆 (minEnclosingCircle)

3.1 参考代码

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

using namespace cv;
using namespace std;

int main() {
    // 读取图像并转换为灰度图
    Mat src = imread("E:/image/test1.png");
    if (src.empty()) {
        cerr << "图像加载失败！" << endl;
        return -1;
    }
    Mat gray;
    cvtColor(src, gray, COLOR_BGR2GRAY);

    // 应用阈值处理得到二值图像
    Mat binary;
    threshold(gray, binary, 0, 255, THRESH_BINARY | THRESH_OTSU);

    // 检测轮廓
    vector<vector<Point>> contours;
    vector<Vec4i> hierarchy;
    findContours(binary, contours, hierarchy, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);

    // 创建用于显示轮廓的图像
    Mat contourImage = src.clone();

    for (size_t i = 0; i < contours.size(); i++) {
        // 绘制轮廓
        drawContours(contourImage, contours, static_cast<int>(i), Scalar(0, 255, 0), 2);

        // 计算轮廓面积和周长
        double area = contourArea(contours[i]);
        double perimeter = arcLength(contours[i], true);
        if (area < 500) continue;

        // 计算重心
        Moments M = moments(contours[i]);
        int cx = static_cast<int>(M.m10 / M.m00);
        int cy = static_cast<int>(M.m01 / M.m00);
        circle(contourImage, Point(cx, cy), 5, Scalar(255, 0, 0), -1);

        // 计算外接矩形
        Rect boundingBox = boundingRect(contours[i]);
        rectangle(contourImage, boundingBox, Scalar(0, 0, 255), 2);
		//最小外接矩形
        RotatedRect box2 = minAreaRect(contours[i]);
        Point2f vertices[4];
        box2.points(vertices);
        for (int j = 0; j < 4; j++) {
            line(contourImage, vertices[j], vertices[(j + 1) % 4], Scalar(0, 255, 255), 1);
        }

        // 计算最小外接圆
        Point2f center;
        float radius;
        minEnclosingCircle(contours[i], center, radius);
        circle(contourImage, center, static_cast<int>(radius), Scalar(255, 255, 0), 2);

        // 在图像上标注几何特征
        putText(contourImage, "Area: " + to_string(static_cast<int>(area)),
            Point(boundingBox.x, boundingBox.y - 10), FONT_HERSHEY_SIMPLEX, 0.5, Scalar(255, 0, 255), 1);
        putText(contourImage, "Perimeter: " + to_string(static_cast<int>(perimeter)),
            Point(boundingBox.x, boundingBox.y + boundingBox.height + 20), FONT_HERSHEY_SIMPLEX, 0.5, Scalar(255, 0, 255), 1);
    }

    // 显示结果
    imshow("轮廓检测与几何特征", contourImage);
    waitKey(0);
    return 0;
}

代码简介

轮廓检测：使用 findContours 提取二值图像中的所有轮廓。
绘制轮廓：使用 drawContours 绘制检测到的轮廓。
计算几何特征：
- 面积和周长：使用 contourArea 和 arcLength 计算。
- 重心：通过 moments 计算轮廓的中心点，并用 circle 绘制。
- 最小外接矩形：使用 boundingRect 计算，并用 rectangle 绘制。
- 最小外接圆：使用 minEnclosingCircle 计算，并用 circle 绘制。
标注特征信息：使用 putText 在图像上显示面积和周长。
面积筛选：代码中过滤不显示面积小于500的轮廓