opencv_contours学习笔记（一）

轮廓contours

什么叫轮廓呢？大概就是能以某种方式连续连接起来的一系列点所组成的一个整体，当然了，点也能看做是一种特殊的轮廓吧。

了解到，利用cv的库函数findcontours提取出来的轮廓是有一定的内在关系的，比如说内外轮廓的包含，父子关系等等，可以通过这些关系来提取出我们真正所需要的轮廓。

而cv的库函数Canny所提取出来的轮廓则是没有所谓的内在关系的。

那么，以下图为例，来说明findcontours提取出来的轮廓的具体关系

1、对于最大的矩形而言，B是其外轮廓，B’是其内轮廓
2、对元素B是B’的父轮廓，所以B’就是B的子轮廓。C就是B’的子轮廓，D和E都是C’的子轮廓，而D或E其中一个是C’的第一个子轮廓。
3、A和B都属于最外围的轮廓。它们是同一层级，均属于 hierarchy[0]

在opencv中，通过一个数组来表达轮廓的层级关系

[Next, Previous, Parent, First_Child]

1、Next表示同一层级的下一个轮廓。比如A的Next是B，但B的Next没有了，用-1表示。
2、Previous表示同一层级的上一个轮廓。比如B的上一层级是A，但A的上一层级没有了，也用-1表示。
3、父子关系，前面已经提过了。

好的，那么现在对findcontours的轮廓已经有了一个基本的认识，现在来看下API接口。

findContours( InputOutputArray image,         //参数1              OutputArrayOfArrays contours,   //参数2              OutputArray hierarchy,          //参数3              int mode,                       //参数4              int method,                     //参数5              Point offset=Point());          //参数6

·参数1：单通道的图像，可以是灰度图，一般是经过canny、laplace等边缘检测后得到的二值图像。

·参数2：定义为

vector<vector<Point>> contours

这是一个向量，向量内的每一个元素，分别是一组连续的点（Point（x，y））构成的点的集合所组成的向量。也就是说，一组点（Point（x，y））构成的集合就是一个轮廓，轮廓的个数就是向量contours的总数。

·参数3：定义为

vector<Vec4i> hierarchy

这是一个向量，向量内的每个元素与轮廓向量coutours内的元素一一对应，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Next、Previous、father、child轮廓的索引编号。如果当前第i个轮廓没有对应的后一个轮廓、前一个轮廓、父轮廓或子轮廓的话，则hierarchy[i][0] ~hierarchy[i][3]的相应位被设置为默认值-1。

·参数4：mode定义轮廓的检索模式，有些面的参数可以选择：
1）

CV_RETR_EXTERNAL       //只检测最外围轮廓，包含在外轮廓内的内轮廓被忽略

2）

CV_RETR_LIST   //检测所有轮廓。但轮廓之间不建立等级关系，彼此相互独立。               //也就是在此模式下不存在父轮廓和子轮廓，hierarchy的[i][3],[i][4]均为-1

3）

CV_RETR_CCOMP  //检测所有轮廓。但轮廓之间只有两个等级关系，外围为顶层，外层内的轮廓都属于它的子轮廓

4）

CV_RETR_TREE  //检测所有轮廓，轮廓之间建立一个完整的关系，就如同前面讲的例子一样。

·参数5：定义轮廓近似方法method
1）

CV_CHAIN_APPROX_NONE   //保存物体边界上所有连续的轮廓点到coutours向量内

2）

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保留

·参数6：一般就用默认的啦，后面需要再做学习吧，大概就是一个偏移量。让轮廓往别的地方去。

噢，BTW，需要用一个绘制轮廓的API来将提取的轮廓绘制出来

    for (int i = 0; i< contours.size(); i++)    {        drawContours(contoursImage, contours, i, Scalar(255), 1, 8, hierarchy);    }

特别注意这个i是需要绘制的边缘索引，如果全部绘制则为-1

好，基本知识也知道了，API也懂了，那来做个试验吧。
首先上原图：

method参数为CV_CHAIN_APPROX_NONE

将检测到的所有轮廓保存至contours向量中

实验前我遇到一个问题，就是你不提前把边缘提取出来的话边缘图的最外层会被默认画出来，你在边缘图上只能看到最外层的一个框框。。。所以最好先用canny或者什么方法来先把原图的边缘先提取出来。

下面改变mode参数：
1）当mode参数为CV_RETR_EXTERNAL
这个参数只检测最外围轮廓，包含在外轮廓内的内轮廓被忽略，那么表现在结果上你猜猜是什么？没错，那几个原点是会被忽略掉的。结果如图：

2）当mode参数为CV_RETR_LIST
这个参数检测所有轮廓。但轮廓之间不建立等级关系，彼此相互独立。也就是在此模式下不存在父轮廓和子轮廓，hierarchy的[i][3],[i][4]均为-1
3）当mode参数为CV_RETR_CCOMP 和CV_RETR_TREE，就是检测所有轮廓，只不过层级不一样，这个就不把实验放出来了。

实验代码在此下方，你可以下下来自己改参数来观察实验结果，并自己发散一下。
http://download.csdn.net/download/csdn_dzh/10142914