opencv提取轮廓与判别

一、Contours的寻找与拟合

1、findContours的基础知识

<strong>下面内容摘自于博文：http://blog.youkuaiyun.com/dcrmg/article/details/51987348</strong>

OpenCV中通过使用findContours函数，简单几个的步骤就可以检测出物体的轮廓，很方便。这些准备继续探讨一下

findContours方法中各参数的含义及用法，比如要求只检测最外层轮廓该怎么办？contours里边的数据结构是怎样

的？hierarchy到底是什么鬼？Point()有什么用？

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”，先来看一下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hiararchy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！

 

2、对于边界Contours的拟合

1）矩形拟合boundingRect

对于一个contours结构（即一个vector<Point>结构）,可进行矩形逼近拟合：Rect rect = boundingRect(contours[idx]);

2）多边形逼近拟合approxPolyDP

void approxPolyDP(InputArray curve, OutputArray approxCurve, double epsilon, bool closed)；

函数中DP代表意思是（道格拉斯-普克算法Douglas-Peucker algorithm），改算法的作用是使用一个较少顶点的曲线/多边形去拟合一个顶点较多的曲线/多边形，两曲线/多边形间的距离小于或等于某一指定精度/阈值。epsilon越小，折线的形状越“接近”曲线

例如：approxPolyDP(contourMat, approxCurve, 10, true); // 找出轮廓的多边形拟合曲线，

第一个参数 InputArray curve：输入的点集 curve Input vector of a 2D point stored in std::vector or Mat。
第二个参数OutputArray approxCurve：输出的点集，当前点集是能最小包容指定点集的。画出来即是一个多边形。
第三个参数double epsilon：指定的精度，也即是原始曲线与近似曲线之间的最大距离。
第四个参数bool closed：若为true，则说明近似曲线是闭合的；反之，若为false，则断开。

有如下函数供测试：

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

using namespace std;
using namespace cv;


// 需要输入的Mat是二值化图
void cacBounding(Mat src) 
{
	RNG rng(12345);
	Mat threMat;
	vector<vector<Point>> contours;
	vector<Vec4i> hierarchy;

	// 计算边缘轮廓
	findContours(src, contours, hierarchy, CV_RETR_TREE, CV_CHAIN_APPROX_SIMPLE, Point(0, 0));

	// 多边形逼近轮廓，获取矩形和圆形边界框
	vector<vector<Point>> conPoint(contours.size());
	vector<Rect> boundRect(contours.size());
	vector<Point2f> center(contours.size());
	vector<float> radius(contours.size());

	for (int i = 0; i < contours.size(); i++) 
	{
		// 多边形近似
		approxPolyDP(Mat(contours[i]), conPoint[i], 3, true);

		// 计算最小外接矩形
		boundRect[i] = boundingRect(Mat(conPoint[i]));

		// 生成最小封闭圆
		minEnclosingCircle(conPoint[i], center[i], radius[i]);
	
	}

	// 显示绘图
	Mat resultMat = Mat::zeros(src.size(), CV_8UC3);

	for (int i = 0; i < contours.size(); i++)
	{

	     // 
		if (contours[i].size() > 100) {

			// 随机生成颜色
			Scalar color = Scalar(rng.uniform(0, 255), rng.uniform(0, 255), rng.uniform(0, 255));

			// 绘制多边形轮廓
			drawContours(resultMat, conPoint, i, color, 1, 8, vector<Vec4i>(), 0, Point());

			// 绘制多边形包围的矩形框
			rectangle(resultMat, boundRect[i].tl(), boundRect[i].br(), color, 2, 8, 0);

			// 绘制多边形圆形框
			circle(resultMat, center[i], (int)radius[i], color, 2, 8, 0);

		}

	}

	imshow("结果", resultMat);
}

3、估计Contours是矩形

findContours之后，若要估计某一个Contours是点数大于100的矩形，代码如下。

	for (int i = 0; i < contours.size(); i++)
	{
		// 
		if (contours[i].size() > 100) {

			// 是否可以被估计出是个矩形
			vector<Point> approxCurve;
			cv::approxPolyDP(contours[i], approxCurve, double(contours[i].size()) * 0.05, true);

			// resultMat_all
			Scalar color_r = Scalar(rng.uniform(0, 255), rng.uniform(0, 255), rng.uniform(0, 255));
			drawContours(resultMat_all, conPoint, i, color_r, 3, 8, vector<Vec4i>(), 0, Point());

			if (approxCurve.size() == 4 && cv::isContourConvex(approxCurve)) {

				// 随机生成颜色
				Scalar color = Scalar(rng.uniform(0, 255), rng.uniform(0, 255), rng.uniform(0, 255));

				// 绘制多边形轮廓
				drawContours(resultMat_fourpoints, conPoint, i, color, 3, 8, vector<Vec4i>(), 0, Point());
			}

		}

	}

 

二、connectedComponents的寻找

       opencv3.0有另一个函数能打到findContours的效果，即connectedComponentsWithStats，根据字面翻译，检测联通部分的状态。

       为connectedComponentsWithStats的函数，该函数不仅可以得到输入图像的连通域的标记图，还可以返回图像中每一个连通域外接矩形的左上角坐标，宽和高，以及连通域包含的像素总数，连通域的质心等等重要属性。