opencv之7.5提取联通区域的轮廓

提取白色区域的轮廓

void findContours( InputOutputArray image, OutputArrayOfArrays contours,
                              int mode, int method, Point offset = Point());
第一个参数：image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，提取白色的轮廓；
第二个参数：contours，定义为“vector<vector> 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。
        contours.size()给出了轮廓的数量
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！
画出轮廓：
    
    

     
     

      
      
     
     
    
    

drawContours( InputOutputArray image, InputArrayOfArrays contours,
int contourIdx, const Scalar& color,
int thickness = 1, int lineType = LINE_8,
InputArray hierarchy = noArray(),
int maxLevel = INT_MAX, Point offset = Point() );
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
代码：

#include <opencv2/core/core.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <iostream>
int main()
{
    cv::Mat image = cv::imread("D:/animal.jpg", 0);
    cv::Mat binary;
    cv::threshold(image, binary, 120, 255, cv::THRESH_BINARY_INV);
    cv::namedWindow("binary");
    cv::imshow("binary", binary);
    std::vector<std::vector<cv::Point>> contours;
    cv::findContours(binary, contours, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_NONE);
    cv::Mat result(image.size(), CV_8U, cv::Scalar(255));
    cv::drawContours(result, contours, -1, cv::Scalar(0), 2);
    cv::namedWindow("contours");
    cv::imshow("contours", result);
    cv::waitKey(0);
    return 0;
}
    
    

     
     

      
      
     
     
    
    

提取联通的原理：系统地扫描图像直到遇到联通区域的第一个点，以它为起始点，跟踪它的轮廓，标记边界上的像素点。当轮廓闭合时，扫描回到上一个位置，直到发现新的成分。同时也可以使用周长极大值和极小值来筛选联通区域。
代码：

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

int main()
{
    cv::Mat image = cv::imread("D:/animal.jpg", 0);
    cv::Mat binary;
    cv::threshold(image, binary, 120, 255, cv::THRESH_BINARY_INV);
    cv::namedWindow("binary");
    cv::imshow("binary", binary);
    std::vector<std::vector<cv::Point>> contours;
    cv::findContours(binary, contours, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_NONE);
    cv::Mat result(image.size(), CV_8U, cv::Scalar(255));
    cv::drawContours(result, contours, -1, cv::Scalar(0), 2);
    cv::namedWindow("contours");
    cv::imshow("contours", result);
    std::vector<std::vector<cv::Point>>::iterator it = contours.begin();
    while (it != contours.end())
    {
        if (it->size() < 200)
        {
            it = contours.erase(it);
        }
        else
        {
            ++it;
        }
    }
    cv::Mat result1(image.size(), CV_8U, cv::Scalar(255));
    cv::drawContours(result1, contours, -1, cv::Scalar(0), 2);
    cv::namedWindow("contours1");
    cv::imshow("contours1", result1);
    cv::waitKey(0);
    return 0;
}
    
    

     
     

      
      
     
     
    
    

提取白色区域的轮廓

void findContours( InputOutputArray image, OutputArrayOfArrays contours,
                              int mode, int method, Point offset = Point());
第一个参数：image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，提取白色的轮廓；
第二个参数：contours，定义为“vector<vector> 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。
        contours.size()给出了轮廓的数量
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！
画出轮廓：
  
  

   
   

    
    
   
   
  
  

drawContours( InputOutputArray image, InputArrayOfArrays contours,
int contourIdx, const Scalar& color,
int thickness = 1, int lineType = LINE_8,
InputArray hierarchy = noArray(),
int maxLevel = INT_MAX, Point offset = Point() );
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
代码：

#include <opencv2/core/core.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <iostream>
int main()
{
    cv::Mat image = cv::imread("D:/animal.jpg", 0);
    cv::Mat binary;
    cv::threshold(image, binary, 120, 255, cv::THRESH_BINARY_INV);
    cv::namedWindow("binary");
    cv::imshow("binary", binary);
    std::vector<std::vector<cv::Point>> contours;
    cv::findContours(binary, contours, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_NONE);
    cv::Mat result(image.size(), CV_8U, cv::Scalar(255));
    cv::drawContours(result, contours, -1, cv::Scalar(0), 2);
    cv::namedWindow("contours");
    cv::imshow("contours", result);
    cv::waitKey(0);
    return 0;
}
  
  

   
   

    
    
   
   
  
  

提取联通的原理：系统地扫描图像直到遇到联通区域的第一个点，以它为起始点，跟踪它的轮廓，标记边界上的像素点。当轮廓闭合时，扫描回到上一个位置，直到发现新的成分。同时也可以使用周长极大值和极小值来筛选联通区域。
代码：

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

int main()
{
    cv::Mat image = cv::imread("D:/animal.jpg", 0);
    cv::Mat binary;
    cv::threshold(image, binary, 120, 255, cv::THRESH_BINARY_INV);
    cv::namedWindow("binary");
    cv::imshow("binary", binary);
    std::vector<std::vector<cv::Point>> contours;
    cv::findContours(binary, contours, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_NONE);
    cv::Mat result(image.size(), CV_8U, cv::Scalar(255));
    cv::drawContours(result, contours, -1, cv::Scalar(0), 2);
    cv::namedWindow("contours");
    cv::imshow("contours", result);
    std::vector<std::vector<cv::Point>>::iterator it = contours.begin();
    while (it != contours.end())
    {
        if (it->size() < 200)
        {
            it = contours.erase(it);
        }
        else
        {
            ++it;
        }
    }
    cv::Mat result1(image.size(), CV_8U, cv::Scalar(255));
    cv::drawContours(result1, contours, -1, cv::Scalar(0), 2);
    cv::namedWindow("contours1");
    cv::imshow("contours1", result1);
    cv::waitKey(0);
    return 0;
}