OpenCV 轮廓检测

读入彩色3通道图像，转换成灰度图像，再转换成二值图像，完后检测轮廓。

// cvtcolor.cpp : 定义控制台应用程序的入口点。
//

#include "stdafx.h"
#include <iostream>



#include <opencv2/highgui/highgui.hpp>
#include <opencv2/core/core.hpp>
#include <opencv2/imgproc/imgproc.hpp>

#pragma comment(lib, "opencv_highgui2410d.lib")
#pragma comment(lib, "opencv_core2410d.lib")
#pragma comment(lib, "opencv_imgproc2410d.lib")

using namespace cv;
using namespace std;

int main()
{
	string image_name = "swan.jpg";

	Mat src = imread(image_name);
	imshow("src",src);
				
	Mat gray(src.size(),CV_8U);
	cvtColor(src,gray,CV_BGR2GRAY);//转换成灰度图

	imshow("gray",gray);

	threshold(gray,gray,128,255,THRESH_BINARY);//转换成2值图像
	imshow("binary",gray);

	/
	std::vector<std::vector<cv::Point>> contours;
	cv::findContours(gray, 
		contours, // a vector of contours 
		CV_RETR_EXTERNAL, // retrieve the external contours
		CV_CHAIN_APPROX_NONE); // retrieve all pixels of each contours

	// Print contours' length
	std::cout << "Contours: " << contours.size() << std::endl;
	std::vector<std::vector<cv::Point>>::const_iterator itContours= contours.begin();
	for ( ; itContours!=contours.end(); ++itContours) 
	{

		std::cout << "Size: " << itContours->size() << std::endl;
	}

	// draw black contours on white image
	cv::Mat result(gray.size(),CV_8U,cv::Scalar(255));
	cv::drawContours(result,contours,
		-1, // draw all contours
		cv::Scalar(0), // in black
		2); // with a thickness of 2

	cv::namedWindow("Contours");
	cv::imshow("Contours",result);


	// draw contours on the original image
	cv::Mat original= cv::imread(image_name);
	cv::drawContours(original,contours,
		-1, // draw all contours
		cv::Scalar(255,255,255), // in white
		-1); // with a thickness of 2

	cv::namedWindow("Contours on Animals");
	cv::imshow("Contours on Animals",original);

	// Let's now draw black contours on white image
	result.setTo(cv::Scalar(255));
	cv::drawContours(result,contours,
		-1, // draw all contours
		cv::Scalar(0), // in black
		-1); // with a thickness of 1
	//image= cv::imread("test.png",0);




	waitKey(0);

	return 0;
}

实现效果：

添加代码只显示不大不小的轮廓：

//除去太长或者太短的轮廓   
	int cmin = 10;   
	int cmax = 500000;   
	vector<std::vector<cv::Point>>::iterator itc = contours.begin();   
	while(itc != contours.end())   
	{   
		if(itc->size() < cmin || itc->size() > cmax)   
			itc = contours.erase(itc);   
		else   
			++itc;   

	}    

其他相关的一些说明：

http://blog.sina.com.cn/s/blog_8fc98fe501017ypb.html

先看提取轮廓的代码：

[cpp] view plain copy

1. Mat image = imread("D:/picture/images/binaryGroup.bmp",0); 
2. if(!image.data) 
3. return -1; 
4. imshow("源图像",image); 
6. //获取轮廓 
7. std::vector> contours; 
8. //获取轮廓： 
9. findContours(image,  //图像 
10. contours,  //轮廓点 
11. //包含图像拓扑结构的信息（可选参数，这里没有选） 
12. CV_RETR_EXTERNAL,  //获取轮廓的方法（这里获取外围轮廓） 
13. CV_CHAIN_APPROX_NONE);  //轮廓近似的方法（这里不近似，获取全部轮廓） 
14. //打印轮廓信息 
15. std::cout<<"共有外围轮廓："<<contours.size()<<"条"<<std::endl; 
16. std::vector>::const_iterator itContours = contours.begin(); 
17. for(;itContours != contours.end();++itContours) 
18. { 
19. std::cout<<"每个轮廓的长度: "<<itContours->size()<<std::endl; 
20. } 

注意到轮廓的存储格式为std::vector>，他说明整个轮廓是若干条轮廓按一定顺序组成的，而每个轮廓中的点也是有顺序的。

画出轮廓就比较简单了：

[cpp] view plain copy

1. //画出轮廓 
2. Mat result(image.size(),CV_8U,Scalar(255)); 
3. //画出轮廓，参数为：画板，轮廓，轮廓指示（这里画出所有轮廓），颜色，线粗 
4. drawContours(result,contours,-1,Scalar(0),2); 
5. imshow("提取外围轮廓",result); 

还要注意提取轮廓的方法还有很多种，比如CV_RETR_LIST代表所有轮廓

[cpp] view plain copy

1. findContours(image,  //图像 
2. contours,  //轮廓点 
3. //包含图像拓扑结构的信息（可选参数，这里没有选） 
4. CV_RETR_LIST,  //获取轮廓的方法（这里获取所有轮廓） 
5. CV_CHAIN_APPROX_NONE);  //轮廓近似的方法（这里不近似，获取全部轮廓 
6. //画出轮廓 
7. drawContours(result,contours,-1,Scalar(0),2); 
8. imshow("提取所有轮廓",result); 

通常，这样提取的轮廓包含一些我们不希望的轮廓（比如一些小洞），或者假如我们知道我们感兴趣的物体轮廓的大概范围时，我们就可以用下面的办法缩小目标范围：

[cpp] view plain copy

1. //除去太长或者太短的轮廓 
2. int cmin = 100; 
3. int cmax = 1000; 
4. std::vector>::const_iterator itc = contours.begin(); 
5. while(itc != contours.end()) 
6. { 
7. if(itc->size() < cmin || itc->size() > cmax) 
8. itc = contours.erase(itc); 
9. else 
10. ++itc; 
12. } 
18. //把结果画在源图像上： 
19. Mat original = imread("D:/picture/images/group.jpg"); 
20. if(!original.data) 
21. return -1; 
22. drawContours(original,contours,-1,Scalar(255,255,255),2); 
23. imshow("动物的轮廓",original); 
25. //将轮廓重绘于白板上 
26. result.setTo(Scalar(255)); 
27. drawContours(result,contours,-1,Scalar(0),1); 

怎么提取轮廓的特征呢？OpenCV提供了很多函数，我们展示其中的几个：

[cpp] view plain copy

1. //轮廓的形状描述子 
2. //外接矩形 
3. Rect r0 = boundingRect(Mat(contours[0])); 
4. rectangle(result,r0,Scalar(0),2); 
6. //最小外接圆 
7. float radius; 
8. Point2f center; 
9. minEnclosingCircle(Mat(contours[1]),center,radius); 
10. circle(result,Point(center),static_cast<</span>int>(radius),Scalar(0),2); 
12. //多边形估计 
13. std::vector poly; 
14. //参数为：输入图像的2维点集，输出结果，估计精度，是否闭合 
15. approxPolyDP(Mat(contours[2]),poly,5,true); 
16. std::cout<<"多边形大小："<<poly.size()<<std::endl; 
17. //画出结果 
18. std::vector::const_iterator itp = poly.begin(); 
19. while(itp != poly.end()-1) 
20. { 
21. line(result,*itp,*(itp+1),Scalar(0),2); 
22. ++itp; 
23. } 
24. //将第一个点和最后一点连起来 
25. line(result,*(poly.begin()),*(poly.end()-1),Scalar(128),2); 
28. //计算凸包 
29. std::vector hull; 
30. convexHull(Mat(contours[3]),hull); 
31. std::vector::const_iterator it= hull.begin(); 
32. while(it != (hull.end()-1)) 
33. { 
34. line(result,*it,*(it+1),Scalar(0),2); 
35. ++it; 
36. } 
37. line(result,*(hull.begin()),*(hull.end()-1),Scalar(0),2); 
40. //计算矩信息 
41. itc = contours.begin(); 
42. while(itc != contours.end()) 
43. { 
44. //计算所有的距 
45. Moments mom = moments(Mat(*itc++)); 
46. //计算并画出质心 
47. circle(result,Point(mom.m10/mom.m00,mom.m01/mom.m00),2,Scalar(2),2); 
48. } 
49. imshow("形状描述子",result); 

我们再次看到，轮廓的确是有顺序的。值得注意的是矩信息：OpenCV提供了一个结构体Moments，它的元素就是计算好的矩信息，里面存放了常用的距。

其实，OpenCV还提供了许多其他的形状描述子，比如函数cv::minAreaRect计算了最小外界倾斜的矩形。函数 cv::contourArea估计轮廓区域的面积（里面的像素数）。函数cv::pointPolygonTest计算一个点是否在轮廓内，cv::matchShapes测量了2两个轮廓的相似程度等等。这里就不一一介绍了。

原文地址：findContours函数参数说明及相关函数 作者：鸳都学童

findContours函数，这个函数的原型为：

void findContours(InputOutputArray image, OutputArrayOfArrays contours, OutputArray hierar- chy, int mode, int method, Point offset=Point())

参数说明

输入图像image必须为一个2值单通道图像

contours参数为检测的轮廓数组，每一个轮廓用一个point类型的vector表示

hiararchy参数和轮廓个数相同，每个轮廓contours[ i ]对应4个hierarchy元素hierarchy[ i ][ 0 ] ~hierarchy[ i ][ 3 ]，分别表示后一个轮廓、前一个轮廓、父轮廓、内嵌轮廓的索引编号，如果没有对应项，该值设置为负数。

mode表示轮廓的检索模式

CV_RETR_EXTERNAL表示只检测外轮廓 CV_RETR_LIST检测的轮廓不建立等级关系 CV_RETR_CCOMP建立两个等级的轮廓，上面的一层为外边界，里面的一层为内孔的边界信息。如果内孔内还有一个连通物体，这个物体的边界也在顶层。 CV_RETR_TREE建立一个等级树结构的轮廓。具体参考contours.c这个demo

method为轮廓的近似办法

CV_CHAIN_APPROX_NONE存储所有的轮廓点，相邻的两个点的像素位置差不超过1，即max（abs（x1-x2），abs（y2-y1））==1 CV_CHAIN_APPROX_SIMPLE压缩水平方向，垂直方向，对角线方向的元素，只保留该方向的终点坐标，例如一个矩形轮廓只需4个点来保存轮廓信息 CV_CHAIN_APPROX_TC89_L1，CV_CHAIN_APPROX_TC89_KCOS使用teh-Chinl chain 近似算法

offset表示代表轮廓点的偏移量，可以设置为任意值。对ROI图像中找出的轮廓，并要在整个图像中进行分析时，这个参数还是很有用的。

findContours后会对输入的2值图像改变，所以如果不想改变该2值图像，需创建新mat来存放，findContours后的轮廓信息contours可能过于复杂不平滑，可以用approxPolyDP函数对该多边形曲线做适当近似

contourArea函数可以得到当前轮廓包含区域的大小，方便轮廓的筛选

findContours经常与drawContours配合使用，用来将轮廓绘制出来。其中第一个参数image表示目标图像，第二个参数contours表示输入的轮廓组，每一组轮廓由点vector构成，第三个参数contourIdx指明画第几个轮廓，如果该参数为负值，则画全部轮廓，第四个参数color为轮廓的颜色，第五个参数thickness为轮廓的线宽，如果为负值或CV_FILLED表示填充轮廓内部，第六个参数lineType为线型，第七个参数为轮廓结构信息，第八个参数为maxLevel

得到了复杂轮廓往往不适合特征的检测，这里再介绍一个点集凸包络的提取函数convexHull，输入参数就可以是contours组中的一个轮廓，返回外凸包络的点集

还可以得到轮廓的外包络矩形，使用函数boundingRect，如果想得到旋转的外包络矩形，使用函数minAreaRect，返回值为RotatedRect；也可以得到轮廓的外包络圆，对应的函数为minEnclosingCircle；想得到轮廓的外包络椭圆，对应的函数为fitEllipse，返回值也是RotatedRect，可以用ellipse函数画出对应的椭圆

如果想根据多边形的轮廓信息得到多边形的多阶矩，可以使用类moments，这个类可以得到多边形和光栅形状的3阶以内的所有矩，类内有变量m00，m10，m01，m20，m11，m02，m30，m21，m12，m03，比如多边形的质心为 x = m10 / m00，y = m01 / m00。

如果想获得一点与多边形封闭轮廓的信息，可以调用pointPolygonTest函数，这个函数返回值为该点距离轮廓最近边界的距离，为正值为在轮廓内部，负值为在轮廓外部，0表示在边界上。

转自：http://blog.sina.com.cn/s/blog_662c78590100z0rg.html

static int getContoursByCplus(char* Imgname, double minarea, double whRatio)
{
	cv::Mat src, dst, canny_output;
	/// Load source image and convert it to gray
	src = imread(Imgname, 0);

	if (!src.data)
	{
		std::cout << "read data error!" << std::endl;
		return -1;
	}
	blur(src, src, Size(3, 3));

	
	//the pram. for findContours,
	vector<vector<Point> > contours;
	vector<Vec4i> hierarchy;

	/// Detect edges using canny
	Canny(src, canny_output, 80, 255, 3);
	/// Find contours
	findContours(canny_output, contours, hierarchy, CV_RETR_TREE, CV_CHAIN_APPROX_SIMPLE, Point(0, 0));
	//CV_RETR_CCOMP, CV_CHAIN_APPROX_SIMPLE

	double maxarea = 0;
	int maxAreaIdx = 0;

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

		double tmparea = fabs(contourArea(contours[i]));
		if (tmparea>maxarea)
		{
			maxarea = tmparea;
			maxAreaIdx = i;
			continue;
		}
		
		if (tmparea < minarea)
		{
			//删除面积小于设定值的轮廓
			contours.erase(contours.begin() + i); 
			std::wcout << "delete a small area" << std::endl;
			continue;
		}
		//计算轮廓的直径宽高
		Rect aRect =boundingRect(contours[i]);
		if ((aRect.width / aRect.height)<whRatio)
		{
			//删除宽高比例小于设定值的轮廓
			contours.erase(contours.begin() + i); 
			std::wcout << "delete a unnomalRatio area" << std::endl;
			continue;
		}
	}
	/// Draw contours,彩色轮廓
	dst= Mat::zeros(canny_output.size(), CV_8UC3);
	for (int i = 0; i< contours.size(); i++)
	{
		//随机颜色
		Scalar color = Scalar(rng.uniform(0, 255), rng.uniform(0, 255), rng.uniform(0, 255));
		drawContours(dst, contours, i, color, 2, 8, hierarchy, 0, Point());
	}
	// Create Window
	char* source_window = "countors";
	namedWindow(source_window, CV_WINDOW_NORMAL);
	imshow(source_window, dst);
	cv:; waitKey(0);
	
	return 0;
}

cvDrawContours(gray_image,c,cvScalarAll(0),cvScalarAll(0),0,CV_FILLED); 用参数CV_FILLED就可以了 ，这样可以填充轮廓，进而得到模版有点类似图像分割了。

还有一种方法就是：

http://blog.csdn.net/augusdi/article/details/9011935