opencv 9 -- 轮廓 层次结构

轮廓之间的父子关系

使用函数 cv2.findContours 来查找轮廓, 我们需要传入一个参数:轮廓提取模式(Contour_Retrieval_Mode)。 我们总是 把它设置为 cv2.RETR_LIST 或者是 cv2.RETR_TREE,效果还可以。 但是它们到底代表什么呢? 同时,我们得到的结果包含 3 个数组, 第一个图像,第二个是轮廓,第三个是层次结构。 但是我们从来没有用过层次结构

层次结构是用来干嘛的呢? 层次结构与轮廓提取模式有什么关系呢?

1 什么是层次结构

通常我们使用函数 cv2.findContours 在图片中查找一个对象。 有时对象可能位于不同的位置。 还有些情况,一个形状在另外一个形状的内部。 这种情况下我们称外部的形状为父,内部的形状为子。

按照这种方式分类,一幅图像中的所有轮廓之间就建立父子关系。 这样我们就可以确定一个轮廓与其他轮廓是怎样连接的, 比如它是不是某个轮廓的子轮廓,或者是父轮廓。

这种关系 就成为组织结构

在这幅图像中,给这几个形状编号为 0-5。 2 和 2a 分别代表最外边矩形的外轮廓和内轮廓。

在这里边轮廓 0,1,2 在外部或最外边。 我们可以称他们为(组织结构) 0 级,简单来说就是他们属于同一级

接下来轮廓 2a。 我们把它当成轮廓 2 的子轮廓。它就成为(组织结构)第 1 级。

同样轮廓 3 是轮廓 2 的子轮廓,成为(组织结构)第 3 级。

最后轮廓 4,5 是轮廓 3a 的子轮廓,成为(组织结构)4 级(最后一级)。

按照这种方式 给这些形状编号, 我们可以说轮廓 4 是轮廓 3a 的子轮廓(当然轮廓 5 也是)。

2 OpenCV 中层次结构

不管层次结构是什么样的,每一个轮廓都包含自己的信息: 谁是父,谁 是子等。

OpenCV 使用一个含有四个元素的数组表示:

[Next,Previous, First_Child,Parent]

Next

表示同一级组织结构中的下一个轮廓。

以上图中的轮廓 0 为例,轮廓 1 就是他的 Next

同样,轮廓 1 的 Next 是 2,Next=2

那轮廓 2 呢?在同一级没有 Next。这时 Next=-1

而轮廓 4 的 Next 为 5,所以它的 Next=5

Previous

表示同一级结构中的前一个轮廓

与前面一样,轮廓 1 的 Previous 为轮廓 0,轮廓 2 的 Previous 为轮 廓 1

轮廓 0 没有 Previous,所以 Previous=-1

First_Child

表示它的第一个子轮廓。 没有必要再解释了,轮廓 2 的子轮廓为 2a。 所以它的 First_Child 为 2a。 那轮廓 3a 呢?它有两个子轮廓。 但是我们只要第一个子轮廓,所以是轮 廓 4(按照从上往下,从左往右的顺序排序)

Parent

表示它的父轮廓。 与 First_Child 刚好相反。 轮廓 4 和 5 的父轮廓是轮廓 3a。 而轮廓 3a 的父轮廓是 3

注意:如果没有父或子,就为 -1

cv2.RETR_LIST,cv2.RETR_TREE,cv2.RETR_CCOMP,cv2.RETR_EXTERNAL 到底代表什么意思?

1 、轮廓检索模式 cv2.RETR_LIST

RETR_LIST 从解释的角度来看,这种应是最简单的。 它只是提取所有的轮 廓,而不去创建任何父子关系。 换句话说就是“人人平等”,它们属于同一级组 织轮廓

所以在这种情况下,组织结构数组的第三和第四个数都是 -1。 但是,很明 显,Next 和 Previous 要有对应的值

>>> hierarchy
array([[
[1, -1,-1,-1],
[2, 0,-1,-1], 
[3, 1,-1,-1], 
[4, 2,-1,-1], 
[5, 3,-1,-1], 
[6, 4,-1,-1], 
[7, 5,-1,-1], 
[-1, 6, -1, -1]]])

如果你不关心轮廓之间的关系,这是一个非常好的选择

2、RETR_EXTERNAL

如果你选择这种模式的话,只会返回最外边的的轮廓, 所有的子轮廓都会被忽略掉

所以在上图中使用这种模式的话只会返回最外边的轮廓(第 0 级):轮廓 0,1,2

>>> hierarchy
array([[
[1,-1,-1,-1],
[2, 0,-1,-1],
[-1, 1, -1, -1]]])

当你只想得到最外边的轮廓时,你可以选择这种模式。这在有些情况下很 有用

3、RETR_CCOMP

在这种模式下会返回所有的轮廓并将轮廓分为两级组织结构。 例如,一个对象的外轮廓为第 1 级组织结构。 而对象内部中空洞的轮廓为 第 2 级组织结构, 空洞中的任何对象的轮廓又是第 1 级组织结构。 空洞的组织 结构为第 2 级。 想象一下一副黑底白字的图像,图像中是数字 0。 0 的外边界属于第一级 组织结构,0 的内部属于第 2 级组织结构。 我们可以以下图为例简单介绍一下。我们已经用红色数字为这些轮廓编号, 并用绿色数字代表它们的组织结构。顺序与 OpenCV 检测轮廓的顺序一致

现在我们考虑轮廓 0,它的组织结构为第 1 级。 其中有两个空洞 1 和 2, 它们属于第 2 级组织结构。 所以对于轮廓 0 来说跟他属于同一级组织结构的 下一个(Next)是轮廓 3, 并且没有Previous。

它的 Fist_Child 为轮廓 1, 组织结构为 2。 由于它是第 1 级,所以没有父轮廓。 因此它的组织结构数组为 [3,-1,1,-1]。

现在是轮廓 1,它是第 2 级。 处于同一级的下一个轮廓为 2。 没有 Previous,也没有 Child, (因为是第 2 级所以有父轮廓)父轮廓是 0。 所以数组是 [2,-1,-1,0]。

轮廓 2:它是第 2 级。 在同一级的组织结构中没有 Next。 Previous 为轮 廓 1。 没有子,父轮廓为 0, 所以数组是 [-1,1,-1,0]

轮廓 3:它是第 1 级。 在同一级的组织结构中 Next 为 5。 Previous 为 轮廓 0。 子为 4,没有父轮廓, 所以数组是 [5,0,4,-1]

轮廓 4:它是第 2 级。 在同一级的组织结构中没有 Next。 没有 Previous, 没有子,父轮廓为 3, 所以数组是 [-1,-1,-1,3]

>>> hierarchy
array([[
[ 3, -1,  1, -1],
[2,-1,-1, 0], 
[-1, 1, -1, 0], 
[5, 0, 4,-1], 
[-1, -1, -1, 3], 
[7, 3, 6,-1], 
[-1, -1, -1, 5], 
[8, 5,-1,-1], 
[-1, 7, -1, -1]]])

4、RETR_TREE

这种模式下会返回 所有轮廓,并且创建一个完整的组织结构列表。 它甚至会告诉你谁是爷爷,爸 爸,儿子,孙子等

还是以上图为例,使用这种模式,对 OpenCV 返回的结果重新排序并分 析它, 红色数字是边界的序号,绿色是组织结构

轮廓 0 的组织结构为 0, 同一级中 Next 为 7,没有 Previous。 子轮廓 是 1, 没有父轮廓。 所以数组是 [7,-1,1,-1]。

轮廓 1 的组织结构为 1, 同一级中没有其他,没有 Previous。 子轮廓是 2,父轮廓为 0。 所以数组是 [-1,-1,2,0]

>>> hierarchy
array([[
[ 7, -1,  1, -1],
[-1, -1, 2, 0],
[-1, -1, 3, 1], 
[-1, -1, 4, 2], 
[-1, -1, 5, 3], 
[6,-1,-1, 4], 
[-1, 5, -1, 4], 
[8, 0,-1,-1], 
[-1, 7, -1, -1]]])

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

扫码关注云+社区

领取腾讯云代金券