39、图像轮廓处理：从检测到分析的全面指南

最新推荐文章于 2025-10-15 03:47:42 发布

vim8coder

最新推荐文章于 2025-10-15 03:47:42 发布

阅读量5

点赞数

CC 4.0 BY-SA版权

分类专栏：解锁计算机视觉的钥匙文章标签：图像轮廓处理 OpenCV 轮廓检测

本文链接：https://blog.youkuaiyun.com/vim8coder/article/details/154934077

解锁计算机视觉的钥匙专栏收录该内容

79 篇文章 ¥499.90

订阅专栏¥69.90

会员秒杀 ¥9.9 重磅福利

超级会员免费看

图像轮廓处理：从检测到分析的全面指南

1. 另一个轮廓示例

在这个示例中，我们将在输入图像上查找轮廓，然后逐个绘制它们。这是一个很好的示例，你可以自行修改代码，探索更改轮廓查找模式（代码中的 cv::RETR_LIST ）或绘制轮廓时使用的 max_depth （代码中的 0 ）所产生的效果。如果你将 max_depth 设置为更大的数字，会注意到示例代码通过 hierarchy[i][1] 遍历 cv::findContours() 返回的轮廓。因此，对于某些拓扑结构（如 cv::RETR_TREE 、 cv::RETR_CCOMP 等），在遍历过程中可能会多次看到相同的轮廓。

示例代码

#include <opencv2/opencv.hpp>
#include <algorithm>
#include <iostream>
using namespace std;
struct AreaCmp {
    AreaCmp(const vector<float>& _areas) : areas(&_areas) {}
    bool operator()(int a, int b) const { return (*areas)[a] > (*areas)[b]; }
    const vector<