opencv学习-常用函数总结

1. findContours

1.1 函数功能

在二值图像（binary image）中寻找轮廓（contour）

1.2 函数声明

cv::findContours(InputOutputArray image, OutputArrayOfArrays contours, OutputArray hierarchy, int mode, int method, Point offset=Point())

cv::findContours(InputOutputArray image, OutputArrayOfArrays contours, int mode, int method, Point offset=Point())

1.3 函数参数

1、InputOutputArray image：参数必须为二值单通道图像，定义黑色为背景，白色为识别目标；

即单通道图像、灰度图像，更常用的为canny边缘检测算子处理后的图像；

2、OutputArrayOfArrays contours：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，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；

3、OutputArray hierarchy：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。

4、int mode：mode表示轮廓的检索模式,具体相关如下表所示：
CV_RETR_EXTERNAL：只检测外轮廓
CV_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
CV_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
CV_RETR_TREE：建立一个等级树结构的轮廓

5、int method：method表示为轮廓的近似办法。具体参数如下表所示：

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
使用teh-Chinl chain 近似算法

CV_CHAIN_APPROX_TC89_KCOS
使用teh-Chinl chain 近似算法

6、Point offset=Point()：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。

7、返回值：
contours：std::vector<std::vectorcv::Point>
hiararchy：std::vectorcv::Vec4i

=提示：findContours函数处理后会对输入图像进行修改。若保留原图像，应先copy一份图像，对copy的图像进行处理，这里一般先用Mat来存放一张临时图像。=

2. drawContours

2.1 功能

用来将轮廓绘制出来

2.2 函数声明

void drawContours(InputOutputArray image, InputArrayOfArrays contours, int contourIdx, const Scalar& color, intthickness=1, int lineType=8, InputArray hierarchy=noArray(), int maxLevel=INT_MAX, Point offset=Point() )

2.3 参数说明

image：表示目标图像，

contours：表示输入的轮廓组，每一组轮廓由点vector构成，

contourIdx：指明画第几个轮廓，如果该参数为负值，则画全部轮廓，

color：为轮廓的颜色，

thickness：为轮廓的线宽，如果为负值或CV_FILLED表示填充轮廓内部，

lineType：为线型，

hierarchy：为轮廓结构信息，

maxLevel：为maxLevel

offset：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。

3. boundingRect

3.1 函数功能

计算轮廓的垂直边界最小矩形，矩形是与图像上下边界平行的

3.2 函数声明

Rect boundingRect(InputArray points)

3.3 参数说明

points：
二维点集，点的序列或向量 (Mat)

4. approxPolyDP

4.1 函数功能

对图像轮廓点进行多边形拟合

4.2 函数声明

void approxPolyDP(InputArray curve, OutputArray approxCurve, double epsilon, bool closed)

4.3 参数说明

InputArray curve:一般是由图像的轮廓点组成的点集

OutputArray approxCurve：表示输出的多边形点集

double epsilon：主要表示输出的精度，就是另个轮廓点之间最大距离数，5,6,7，，8，，,，

bool closed：表示输出的多边形是否封闭

5. contourArea

5.1 函数功能

主要用于计算图像轮廓的面积

5.2 函数声明

double contourArea(InputArray contour, bool oriented=false )

5.3 参数说明

InputArray contour：输入的点，一般是图像的轮廓点

bool oriented=false:表示某一个方向上轮廓的的面积值，顺时针或者逆时针，一般选择默认false

6. arcLength

6.1 函数功能

主要是计算图像轮廓的周长

6.2 函数声明

double arcLength(InputArray curve, bool closed)

6.3 参数说明

InputArray curve：表示图像的轮廓

bool closed：表示轮廓是否封闭的

上述函数代码示例：

void MotionAnalyze::MoveObjDetect(cv::Mat& frontGray, cv::Mat& afterGray, std::vector<cv::Rect> &detectResult)
{
    
    
	cv::Mat diff;

	//1 灰度处理 目的 RGB三通道转灰度单通道 压缩到原图片三分之一大小
	
	//2 帧差处理 目的 找到帧与帧之间的差异(正在运动的物体)
	cv::absdiff(frontGray, afterGray, diff);
	//imshow("diff",diff);

	//3 二值化处理 目的 将灰度图继续识别转换为黑白分明的图像
	cv::threshold(diff, diff, 20, 255, CV_THRESH_BINARY);
	//imshow("threshold",diff);

	//4 图像降噪
	//4-1 腐蚀处理 目的 去除白色噪点
	Mat element = cv::getStructuringElement(MORPH_RECT, Size(1, 1));//小于3*3方块的白色噪点都会被腐蚀
	cv::erode(diff, diff, element);
	//imshow("erode",diff);

	//4-2 膨胀 目的 把白色区域变大
	Mat element2 = cv::getStructuringElement(MORPH_RECT, Size(10, 10));
	cv::dilate(diff, diff, element2);
	//imshow("dilate",diff);

	//5 提取关键点
	//5-1 查找特征点
	std::vector<std::vector<cv::Point>> contours;
	std::vector<cv::Vec4i> hierarchy;
	AIUtils::findContours(diff, contours, hierarchy, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE, Point(0, 0));

	//5-2 提取关键点
	//5-3 确定下四个点来用于框选目标物体
	int num = contours.size();
	for (int i = 0; i < num; i++)
	{
    
    
		if (cv::contourArea(contours[i]) < 600)
			continue;
		vector<cv::Point> c_poly(contours[i].size());
		cv::approxPolyDP(Mat(contours[i]), c_poly, 3, true);

		//多边拟合
		cv::Rect rect;
		rect = cv::boundingRect(Mat(c_poly));

		detectResult.push_back(rect);
	}
}

7. minAreaRect

7.1 函数功能

主要求得包含点集最小面积的矩形，，这个矩形是可以有偏转角度的，可以与图像的边界不平行

7.2 函数声明

RotatedRect minAreaRect(InputArray points)

7.3 参数说明

InputArray points：表示输入的点集

返回值：矩形的四个顶点坐标

8. RotatedRect

8.1 函数功能

旋转的长方形

8.2 函数声明

C++:   RotatedRect:: RotatedRect ( )
C++:   RotatedRect:: RotatedRect (const Point2f&  center, const Size2f&  size, float  angle )
C++:   RotatedRect:: RotatedRect (const CvBox2D&  box )
Parameters:	
center – The rectangle mass center.
size – Width and height of the rectangle.
angle – The rotation angle in a clockwise direction. When the angle is 0, 90, 180, 270 etc., the rectangle becomes an up-right rectangle.
box – The rotated rectangle parameters as the obsolete CvBox2D structure.
C++:  void  RotatedRect:: points (Point2f  pts[] )  const //! returns 4 vertices of the rectangle
C++:  Rect  RotatedRect:: boundingRect ( )  const
C++:   RotatedRect:: operator CvBox2D ( )  const
Parameters:	
pts – The points array for storing rectangle vertices.

8.3 代码示例

Mat image(200, 200, CV_8UC3, Scalar(0));
RotatedRect rRect = RotatedRect(Point2f(100,100), Size2f(100,50), 30);

Point2f vertices[4];
rRect.points(vertices);//获取矩形的四个点
for (int i = 0; i < 4; i++)
    line(image, vertices[i], vertices[(i+1)%4], Scalar(0,255,0));

Rect brect = rRect.boundingRect();
rectangle(image, brect, Scalar(255,0,0));

imshow("rectangles", image);
waitKey(0);

9. minEnclosingCircle

9.1 函数功能

得到包含二维点集的最小圆

9.2 函数声明

void minEnclosingCircle(InputArray points, Point2f& center, float& radius)

9.3 参数说明

InputArray points：输入的二维点集

Point2f& center：表示输出的圆形的中心坐标，是float型

float& radius：输出的最小圆的半径，是float型

9.4 代码示例

#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include <iostream>
#include <stdio.h>
#include <stdlib.h>
 
using namespace cv;
using namespace std;
 
Mat src; Mat src_gray;
int thresh = 100;
int max_thresh = 255;
RNG rng(12345);
 
/// 函数声明
void thresh_callback(int, void*);
 
/** @主函数 */
int main(int argc, char** argv)
{
    
    
	/// 载入原图像, 返回3通道图像
	src = imread("D:6.jpg", 1);
 
	/// 转化成灰度图像并进行平滑
	cvtColor(src, src_gray, CV_BGR2GRAY);
	blur(src_gray, src_gray, Size(3, 3));
 
	/// 创建窗口
	char* source_window = "Source";
	namedWindow(source_window, CV_WINDOW_AUTOSIZE);
	imshow(source_window, src);
 
	createTrackbar(" Threshold:", "Source", &thresh, max_thresh, thresh_callback);
	thresh_callback(0, 0);
 
	waitKey(0);
	return(0);
}
 
/** @thresh_callback 函数 */
void thresh_callback(int, void*)
{
    
    
	Mat threshold_output;
	vector<vector<Point> > contours;
	vector<Vec4i> hierarchy;
 
	/// 使用Threshold检测边缘
	threshold(src_gray, threshold_output, thresh, 255, THRESH_BINARY);
	/// 找到轮廓
	findContours(threshold_output, contours, hierarchy, CV_RETR_TREE, CV_CHAIN_APPROX_SIMPLE, Point(0, 0));
 
	/// 多边形逼近轮廓 + 获取矩形和圆形边界框
	vector<vector<Point> > contours_poly(contours.size());
	vector<Rect> boundRect(contours.size());
	vector<Point2f>center(contours.size());
	vector<float>radius(contours.size());
 
	//for (int i = 0; i < contours.size(); i++)
	//{
    
    
	//	approxPolyDP(Mat(contours[i]), contours_poly[i], 3, true);
	//	boundRect[i] = boundingRect(Mat(contours_poly[i]));
	//	minEnclosingCircle(contours_poly[i], center[i], radius[i]);
	//}
	for (int i = 0; i < contours.size(); i++)
	{
    
    
		approxPolyDP(Mat(contours[i]), contours_poly[i], 3, true);
		boundRect[i] = boundingRect(Mat(contours[i]));
		minEnclosingCircle(contours[i], center[i], radius[i]);
	}
 
	/// 画多边形轮廓 + 包围的矩形框 + 圆形框
	Mat drawing = Mat::zeros(threshold_output.size(), CV_8UC3);
	for (int i = 0; i< contours.size(); i++)
	{
    
    
		Scalar color = Scalar(rng.uniform(0, 255), rng.uniform(0, 255), rng.uniform(0, 255));
		drawContours(drawing, contours_poly, i, color, 1, 8, vector<Vec4i>(), 0, Point());
		rectangle(drawing, boundRect[i].tl(), boundRect[i].br(), color, 2, 8, 0);
		circle(drawing, center[i], (int)radius[i], color, 2, 8, 0);
	}
 
	/// 显示在一个窗口
	namedWindow("Contours", CV_WINDOW_AUTOSIZE);
	imshow("Contours", drawing);
}

参考链接：https://blog.csdn.net/qq_18343569/article/details/48000071