OpenCV findContours函数参数

举报
风吹稻花香 发表于 2021/06/05 23:19:02 2021/06/05
【摘要】 OpenCV findContours函数参数 1.输入为二值图像,黑色为背景,白色为目标 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; 2.该...

OpenCV findContours函数参数


1.输入为二值图像,黑色为背景,白色为目标

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;

2.该函数会修改原图像,因此若想保留原图像在,则需拷贝一份,在拷贝图里修改。

mode参数

参数名称 功能
cv2.RETR_EXTERNAL 只检测外轮廓
cv2.RETR_LIST 检测的轮廓不建立等级关系,都是同级,不存在父轮廓或内嵌轮廓
cv2.RETR_CCOMP 建立两个等级的轮廓,上面一层为外边界,里面一层为内孔的边界信息
cv2.RETR_TREE 建立一个等级树结构的轮廓


method参数

参数名称 功能
cv2.RETR_EXTERNAL 只检测外轮廓
cv2.RETR_LIST 检测的轮廓不建立等级关系,都是同级
cv2.RETR_CCOMP 建立两个等级的轮廓,上面一层为外边界,里面一层为内孔的边界信息
cv2.RETR_TREE 建立一个等级树结构的轮廓


offset:轮廓点的偏移量,格式为tuple,如(-10,10)表示轮廓点沿X负方向偏移10个像素点,沿Y正方向偏移10个像素点

返回值
contours:轮廓点。列表格式,每一个元素为一个3维数组(其形状为(n,1,2),其中n表示轮廓点个数,2表示像素点坐标),表示一个轮廓

hierarchy:轮廓间的层次关系,为三维数组,形状为(1,n,4),其中n表示轮廓总个数,4指的是用4个数表示各轮廓间的相互关系。第一个数表示同级轮廓的下一个轮廓编号,第二个数表示同级轮廓的上一个轮廓的编号,第三个数表示该轮廓下一级轮廓的编号,第四个数表示该轮廓的上一级轮廓的编号。


  
  1. # ## -*- coding: utf-8 -*-
  2. import cv2
  3. import imutils
  4. import numpy as np
  5. def RGB_GRAY(img):
  6.     img = cv2.resize(img, (640, 480))
  7.     gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
  8.     gray = cv2.bilateralFilter(gray, 13, 15, 15)
  9.     return img, gray
  10. def edge(img):
  11.     #  cv2.Canny(source_image,thresholdValue 1,thresholdValue 2)
  12.     edged = cv2.Canny(img, 30, 200)
  13.     cv2.imshow('img', edged)
  14.     cv2.waitKey(0)
  15.     contours = cv2.findContours(edged.copy(), cv2.RETR_TREE,
  16.                                 cv2.CHAIN_APPROX_SIMPLE)
  17.     contours = imutils.grab_contours(contours)
  18.     contours = sorted(contours, key=cv2.contourArea, reverse=True)[:10]
  19.     return contours
  20. def solve(img):
  21.     img, gray = RGB_GRAY(img)
  22.     contours = edge(gray)
  23. if __name__ == '__main__':
  24.     img_path = './22222.jpg'
  25.     img = cv2.imread(img_path)
  26.     solve(img)

           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

下边用效果图对比一下findContours函数中各参数取不同值时,向量contours和hierarchy的内容如何变化,有何

异同。

 

主体程序如下:

  1. #include "core/core.hpp"

  2. #include "highgui/highgui.hpp"

  3. #include "imgproc/imgproc.hpp"

  4. #include "iostream"

  5.  
  6. using namespace std;

  7. using namespace cv;

  8.  
  9. int main(int argc,char *argv[])

  10. {

  11. Mat imageSource=imread(argv[1],0);

  12. imshow("Source Image",imageSource);

  13. Mat image;

  14. GaussianBlur(imageSource,image,Size(3,3),0);

  15. Canny(image,image,100,250);

  16. vector<vector<Point>> contours;

  17. vector<Vec4i> hierarchy;

  18. findContours(image,contours,hierarchy,RETR_TREE,CHAIN_APPROX_SIMPLE,Point());

  19. Mat imageContours=Mat::zeros(image.size(),CV_8UC1);

  20. Mat Contours=Mat::zeros(image.size(),CV_8UC1); //绘制

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

  22. {

  23. //contours[i]代表的是第i个轮廓,contours[i].size()代表的是第i个轮廓上所有的像素点数

  24. for(int j=0;j<contours[i].size();j++)

  25. {

  26. //绘制出contours向量内所有的像素点

  27. Point P=Point(contours[i][j].x,contours[i][j].y);

  28. Contours.at<uchar>(P)=255;

  29. }

  30.  
  31. //输出hierarchy向量内容

  32. char ch[256];

  33. sprintf(ch,"%d",i);

  34. string str=ch;

  35. cout<<"向量hierarchy的第" <<str<<" 个元素内容为:"<<endl<<hierarchy[i]<<endl<<endl;

  36.  
  37. //绘制轮廓

  38. drawContours(imageContours,contours,i,Scalar(255),1,8,hierarchy);

  39. }

  40. imshow("Contours Image",imageContours); //轮廓

  41. imshow("Point of Contours",Contours); //向量contours内保存的所有轮廓点集

  42. waitKey(0);

  43. return 0;

  44. }

  • 1

 

程序中所用原始图像如下:

 

 

通过调整第四个参数mode——轮廓的检索模式、第五个参数method——轮廓的近似方式和不同的偏移量Point(),就可以得到以下效果。

 

 

一、mode取值“CV_RETR_EXTERNAL”,method取值“CV_CHAIN_APPROX_NONE”,即只检测最外层轮廓,并且保存轮廓上所有点:

 

 

轮廓:

 

只有最外层的轮廓被检测到,内层的轮廓被忽略

 

contours向量内所有点集:

 

保存了所有轮廓上的所有点,图像表现跟轮廓一致

 

hierarchy向量:

 

重温一下hierarchy向量————向量中每个元素的4个整形分别对应当前轮廓的后一个轮廓、前一个轮廓、父轮廓、内

嵌轮廓的索引编号。

 

本次参数配置下,hierarchy向量内有3个元素,分别对应于3个轮廓。以第2个轮廓(对应向量内第1个元素)为例,

内容为[2,0,-1,-1], “2”表示当前轮廓的后一个轮廓的编号为2,“0”表示当前轮廓的前一个轮廓编号为0,其后2

个“-1”表示为空,因为只有最外层轮廓这一个等级,所以不存在父轮廓和内嵌轮廓。

 

 

 

二、 mode取值“CV_RETR_LIST”,method取值“CV_CHAIN_APPROX_SIMPLE”,即检测所有轮廓,但各轮廓之间彼此独立,不建立等级关系,并且仅保存轮廓上拐点信息:

 

 

 

检测到的轮廓跟上文“一”中是一致的,不再显示。


contours向量内所有点集:

 

contours向量中所有的拐点信息得到了保留,但是拐点与拐点之间直线段的部分省略掉了。

 

hierarchy向量(截取一部分):


 

本次参数配置下,检测出了较多轮廓。第1、第2个整形值分别指向上一个和下一个轮廓编号,由于本次配置mode取

值“RETR_LIST”,各轮廓间各自独立,不建立等级关系,所以第3、第4个整形参数为空,设为值-1。

 

 

三、mode取值“CV_RETR_TREE”,method取值“CV_CHAIN_APPROX_NONE”,即检测所有轮廓,轮廓间建立外层、内层的等级关系,并且保存轮廓上所有点。

 

 

contours向量内所有点集:

 

所有内外层轮廓都被检测到,contours点集组成的图形跟轮廓表现一致。

 

hierarchy向量(截取一部分)

 

本次参数配置要求检测所有轮廓,每个轮廓都被划分等级,最外围、第一内围、第二内围等等,所以除第1个最后一

个轮廓外,其他轮廓都具有不为-1的第3、第4个整形参数,分别指向当前轮廓的父轮廓、内嵌轮廓索引编号。

 

四、Point()偏移量设置

 

使用三中的参数配置,设置偏移量Point为Point(45,30)。

 

此时轮廓图像为:

 

可以看到轮廓图像整体向右下角有一个偏转,偏转量就是设置的(45,30)。

这个偏移量的设置不能过大或过小(负方向上的过小),若图像上任一点加上该偏移量后超出图像边界,程序会内存

溢出报错。

findContours函数的各参数就探讨到此,其他参数配置的情况大同小异。值得关注一下的是绘制轮廓的函数

drawContours中最后一个参数是一个Point类型的offset,这个offset跟findContours函数中的offset含义一致,设置之

后所绘制的轮廓是原始轮廓上所有像素点加上该偏移量offset后的效果。

 

当所分析图像是另外一个图像的ROI的时候,这个offset偏移量就可以大显身手了。通过加减这个偏移量,就可以把

ROI图像的检测结果投影到原始图像对应位置上

文章来源: blog.csdn.net,作者:网奇,版权归原作者所有,如需转载,请联系作者。

原文链接:blog.csdn.net/jacke121/article/details/90483863

【版权声明】本文为华为云社区用户转载文章,如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱: cloudbbs@huaweicloud.com
  • 点赞
  • 收藏
  • 关注作者

评论(0

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。