Opencv学习笔记（八）提取图像轮廓基础操作

经过两周opencv的学习，作者对opencv有了一些自己的理解和心得，总结出一套较为实用提取图像轮廓的方法。

操作步骤：

1、图像锐化。

图像锐化的目的是为了要增强图像中对比度，这样可以使提取轮廓的效果，让轮廓显现的更明显。

这里我们使用拉普拉斯算子遍历图像，预先定义矩阵：

Mat kernel = (Mat_(3, 3) << 1, 1, 1, 1, -8, 1, 1, 1, 1);

运用filter2D()函数将我们定义好的矩阵遍历图像。再进行图像的运算Mat resultImg = src - src_lapl。(具体参考下面给出的代码)

Top：当Mat类型的图像数据类型不同时，可能需要运用到convertTo()函数来转换图像的深度和通道数。

这里给出convertTo()函数的基础用法:

src.convertTo(dst, type, scale, shift)

dst：目的矩阵；

type：需要的输出矩阵类型，或者更明确的，是输出矩阵的深度，如果是负值（常用-1）则输出矩阵和输入矩阵类型相同；

scale:比例因子；

shift：将输入数组元素按比例缩放后添加的值；

dst(i)=src(i)xscale+(shift,shift,…)

2、Canny()函数进行边缘检测。

前面的学习笔记已经详细介绍了Canny()函数的用法，这里我们不作展开。
只是需要注意的是，Canny函数参数的调参，由于处理的图像不同，读者参考一下代码使用时注意要自己调整参数。

3、findContours()函数提取轮廓

使用findContours()函数之前，一般要先定义一个放有vector容器的vector容器，子容器为Point，再定义一个放置四个int类型的vector容器。

vector<vector > contours;
vector hierarchy;

再使用findContours()函数提取轮廓

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

关于该函数的参数，详细介绍可参考以下链接:

findContours()函数参数详细解释

4、drawContours()函数绘制轮廓

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

函数参数详解：
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(Schlar类型)；
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；
InputArray hierarchy表示轮廓结构信息；

代码演示：

#include <opencv2\opencv.hpp>
#include<opencv2\imgproc\imgproc.hpp>
#include <iostream>
#include <math.h>
using namespace std;
using namespace cv;

int main()
{
 Mat src, gray_src, dest;
 src = imread("C:/Users/86159/Desktop/yasina.jpg");
 
 Mat src_lapl;                
 Mat kernel = (Mat_<float>(3, 3) << 1, 1, 1, 1, -8, 1, 1, 1, 1);        //定义拉普拉斯算子
 filter2D(src, src_lapl, CV_32F, kernel, Point(-1, -1), 0, BORDER_DEFAULT);
 src.convertTo(src, CV_32F);
 
 Mat resultImg = src - src_lapl;
 src.convertTo(src, CV_8UC3);
 src_lapl.convertTo(src_lapl, CV_8UC3);
 resultImg.convertTo(resultImg, CV_8UC3);
 
 Canny(resultImg, dest, 630, 1200, 3);
 
 Mat dst = Mat::zeros(src.size(), src.type());
 vector<vector<Point> > contours;
 vector<Vec4i> hierarchy;
 findContours(dest, contours, hierarchy, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE, Point(0, 0));                //提取轮廓
 
 for (int i = 0; i < contours.size(); i++)
 {
  drawContours(dst, contours, i, Scalar(255,255,255), 1, 4, hierarchy, 0, Point());                              //绘制轮廓
 }
 
 bitwise_not(dst, dst);                //图像取反
 
 namedWindow("原图", WINDOW_AUTOSIZE);
 moveWindow("原图", 50, 0);
 imshow("原图", src);
 namedWindow("效果图", WINDOW_AUTOSIZE);
 moveWindow("效果图", 693, 0);
 imshow("效果图", dst);
 
 waitKey(0);
 return 0;
}