关于findContours的一些知识点

 

1 找轮廓findContours

findContours有两个接口，区别在于需不需要输出hierarchy层次结构(可用于分析轮廓间关系，一般比较少用到)。

直接找最外层轮廓RETR_EXTERNAL，结果输出全部轮廓点CHAIN_APPROX_NONE

vector<vector<Point>> contours;  
findContours(edges_D,contours,RETR_EXTERNAL,CHAIN_APPROX_NONE); 

2 轮廓大小排序

找完轮廓后，绝大部分需求就是再获取最大轮廓，简单的可以按照轮廓周长或轮廓面积来排序。

排序函数直接用std库：

std::sort(contours.begin(),contours.end(),ContoursSortFun);

需要另外声明排序规则函数ContoursSortFun

按轮廓周长(轮廓点数量)排序：

static inline bool ContoursSortFun(vector<cv::Point> contour1,vector<cv::Point> contour2)
{
	return (contour1.size() > contour2.size());
}

按轮廓面积排序：

static inline bool ContoursSortFun(vector<cv::Point> contour1,vector<cv::Point> contour2)
{
	return (cv::contourArea(contour1) > cv::contourArea(contour2));
}

完续后，contours中第一个元素contours[0]即是最大轮廓.

3 绘制最大轮廓

	Mat Img(edges_D.size(),CV_8UC3,Scalar(0));
	drawContours(Img,contours,0,Scalar(255,0,0),-1);

drawContours中第3个参数为0说明绘制第一个轮廓；最后一个参数-1代表绘制时填充轮廓，若大于0则指轮廓厚度。

4 一个例程

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：

#include "core/core.hpp"  
#include "highgui/highgui.hpp"  
#include "imgproc/imgproc.hpp"  
#include "iostream"
 
using namespace std; 
using namespace cv;  
 
int main(int argc,char *argv[])  
{
	Mat imageSource=imread(argv[1],0);
	imshow("Source Image",imageSource);
	Mat image;
	GaussianBlur(imageSource,image,Size(3,3),0);
	Canny(image,image,100,250);
	vector<vector<Point>> contours;
	vector<Vec4i> hierarchy;
	findContours(image,contours,hierarchy,RETR_TREE,CHAIN_APPROX_SIMPLE,Point());
	Mat imageContours=Mat::zeros(image.size(),CV_8UC1);
	Mat Contours=Mat::zeros(image.size(),CV_8UC1);  //绘制
	for(int i=0;i<contours.size();i++)
	{
		//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
		for(int j=0;j<contours[i].size();j++) 
		{
			//绘制出contours向量内所有的像素点
			Point P=Point(contours[i][j].x,contours[i][j].y);
			Contours.at<uchar>(P)=255;
		}
 
		//输出hierarchy向量内容
		char ch[256];
		sprintf(ch,"%d",i);
		string str=ch;
		cout<<"向量hierarchy的第" <<str<<" 个元素内容为："<<endl<<hierarchy[i]<<endl<<endl;
 
		//绘制轮廓
		drawContours(imageContours,contours,i,Scalar(255),1,8,hierarchy);
	}
	imshow("Contours Image",imageContours); //轮廓
	imshow("Point of Contours",Contours);   //向量contours内保存的所有轮廓点集
	waitKey(0);
	return 0;
}

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。

findContours函数参数说明及相关函数

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())

• 1
• 2

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。 

OpenCV中findContours轮廓提取一个边缘只对应的一个轮廓

众所周知，图像查找轮廓可以用findContours函数解决，但是不知道大家发现一个问题没有，有时候输入图像，得到的结果会出现图像中一条边缘有查找到两个轮廓。当然只提取最外轮廓是不会出现重复情况，但设置提取所有轮廓会出现两个轮廓，对于利用得到的轮廓进一步处理带来不必要的麻烦。现在网上很多讲解findContours()函数都是讲解参数的，当真的用到这个函数会发现跟自己的结果并不如意。下面我就以我有限的感悟谈一下如何利用findContours()得到一条边缘得到对应的一个轮廓，当然不会去修改这个函数的代码。

findContours()函数参数讲解

• 输入image；
• 输出contours，是二维向量的Point。如：vector< vector>contours;
• hierarchy；每个轮廓的信息，后面要用到这些重要信息。
• mode；轮廓检索模式，网上很多参数说明。
• method；轮廓的近似办法。
• offset；我没用过，直接默认参数。

提取一个边缘只对应的一个轮廓

这里说一下mode这个参数。 
RETR_EXTERNAL：表示只检测最外层轮廓，意思是图像中独立的个体只检测最外层轮廓，包含在里面的轮廓不会提取出来。 
RETR_LIST：提取所有轮廓，并放置在list中，不建立等级关系。意思就是提取出来的轮廓之间是没有联系的。 
RETR_CCOMP：提取所有轮廓，并且将其组织为双边结构。意思就是第一层为它的外围轮廓，第二层为内围轮廓，利用这个参数可以筛选出来一个独立边缘只对应一个轮廓。 
RETR_TREE：提取所有轮廓，并且重新建立网状轮廓结构。它体现出来的轮廓联系很紧密，比如说一个轮廓在另外一个轮廓的里面，轮廓里面又包含轮廓。 
对了，在参数method中有个标识符–CV_CHAIN_CODE，是生成Freeman码的，但是OpenCV提供的C++接口好像不好提取，还没有深究，C接口的代码我有，网上荡的，在百度知道搜的，那不缺大神哦。

前面讲了那么多，进入正题吧。其实所有的轮廓关系在参数hierarchy中体现，大家可以调试看看那里面的值。hierarchy[i][0]–hierarchy[i][3]依次表示轮廓的后一个轮廓、前一个轮廓、父轮廓、内嵌轮廓，如果没有对应项，设置为-1。 
我们要得到一个边缘只对应的一个轮廓，需要在mode参数设置为RETR_CCOMP，表示双层结构，利用hierarchy中的信息筛选出轮廓。 
如下图，其实只有四个轮廓，但查找出来了七个轮廓。 

hierarchy信息中对应的 值

元素	值
hierarchy[ 0]	2,-1,1,-1
hierarchy[ 1]	-1,-1,-1,0
hierarchy[ 2]	4,0,3,-1
hierarchy[ 3]	-1,-1,-1,2
hierarchy[ 4]	6,2,5,-1
hierarchy[ 5]	-1,-1,-1,4
hierarchy[ 6]	-1,4,-1,-1

由上表可以发现，每个hierarchy[i][0]对应的值指示下一个轮廓，注意，这里下一个轮廓指的是另外的轮廓，不是同一个边缘的另外一个轮廓。所以我们利用这个信息可以筛选出一个边缘的一条轮廓，分别是0->2->4->6四条轮廓。 
贴一下代码：

vector<int>Index;
for(int i=0;i<contours.size();i++)
{
    if(hierarchy[i][0]==-1)
    {
      break;
    }
            
    Index.push_back(i);
}

• 输出的结果Index为（0,2,4,6）。