OpenCV 轮廓检测

简介: 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 #include #include #include #pragma comment(lib, "opencv_highgui2410d.

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:

  1. Mat image = imread("D:/picture/images/binaryGroup.bmp",0);  
  2. if(!image.data)  
  3.     return -1;  
  4. imshow("源图像",image);  
  5.   
  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:

  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

  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:

  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;  

  11. }  




  12.   
  13. //把结果画在源图像上:  
  14. Mat original = imread("D:/picture/images/group.jpg");  
  15. if(!original.data)  
  16.     return -1;  
  17. drawContours(original,contours,-1,Scalar(255,255,255),2);  
  18. imshow("动物的轮廓",original);  
  19.   
  20. //将轮廓重绘于白板上  
  21. result.setTo(Scalar(255));  
  22. 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:

  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);  
  5.   
  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);  
  11.   
  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);  
  26.   
  27.   
  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);  
  38.   
  39.   
  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。

 

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

 

相关文章
|
Java 计算机视觉
java调用opencv轮廓检测
java调用opencv轮廓检测
354 0
|
存储 计算机视觉 Windows
|
计算机视觉
OpenCV轮廓检测,计算物体旋转角度
    效果还是有点问题的,希望大家共同探讨一下     // FindRotation-angle.cpp : 定义控制台应用程序的入口点。 // // findContours.cpp : 定义控制台应用程序的入口点。
2487 0
|
存储 计算机视觉 Python
OpenCV 矩形轮廓检测
    转载请注明出处:http://blog.csdn.net/wangyaninglm/article/details/44151213, 来自:shiter编写程序的艺术 基础介绍 OpenCV里提取目标轮廓的函数是findContours,它的输入图像是一幅二值图像,输出的是每一个连通区域的轮廓点的集合:vector。
3950 0
|
计算机视觉
OpenCV 闭合轮廓检测
    这个好像是骨头什么的,但是要求轮廓闭合,于是对图片进行一下膨胀操作,再次检测轮廓就好了。   // A closed contour.cpp : 定义控制台应用程序的入口点。
1808 0
|
存储 计算机视觉 Windows
【OpenCV学习】轮廓检测与重绘
作者:gnuhpc 出处:http://www.cnblogs.com/gnuhpc/ /**************提取模式. CV_RETR_EXTERNAL - 只提取最外层的轮廓 CV_RETR_LIST - 提取所有轮廓,并且放置在 list 中 CV_RETR_CCOMP - 提取所有轮廓,并且将其组织为两层的 hierarchy: 顶层为连通域的外围边界,次层为洞的内层边界。
848 0
|
27天前
|
监控 API 计算机视觉
OpenCV这么简单为啥不学——1.3、图像缩放resize函数
OpenCV这么简单为啥不学——1.3、图像缩放resize函数
25 0
|
2月前
|
监控 算法 开发工具
Baumer工业相机堡盟工业相机如何联合NEOAPI SDK和OpenCV实现获取图像并对图像进行边缘检测(C#)
Baumer工业相机堡盟工业相机如何联合NEOAPI SDK和OpenCV实现获取图像并对图像进行边缘检测(C#)
34 1
|
2月前
|
存储 监控 开发工具
Baumer工业相机堡盟工业相机如何联合NEOAPI SDK和OpenCV实现相机图像转换为AVI视频格式(C++)
Baumer工业相机堡盟工业相机如何联合NEOAPI SDK和OpenCV实现相机图像转换为AVI视频格式(C++)
28 0
|
1天前
|
计算机视觉 Python
OpenCV 4基础篇| OpenCV图像的拆分和合并
OpenCV 4基础篇| OpenCV图像的拆分和合并

相关产品