opencv——轮廓检测
来源:互联网 发布:百度读书软件 编辑:程序博客网 时间:2024/05/16 14:55
findContours( InputOutputArray image, OutputArrayOfArrays contours, OutputArray hierarchy, int mode, int method, Point offset=Point());
第一个参数:image,单通道图像矩阵,可以是灰度图,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;
第二个参数:contours,定义为“vector<vector<Point>> 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。
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!
#include<opencv2/opencv.hpp>#include<opencv2/highgui/highgui.hpp>#include<vector>#include <iostream>using namespace cv;using namespace std;int main(){const char* filename="C://Users//huashuo111//Desktop//logo.jpg";Mat img=imread(filename,0);Mat img1;GaussianBlur(img,img1,Size(3,3),0);//高斯平滑Canny(img1,img1,100,250);//坎尼边缘检测vector<vector<Point>>contours;vector<Vec4i>hierarchy;findContours(img1,contours,hierarchy,RETR_TREE,CV_CHAIN_APPROX_NONE,Point());Mat Contours=Mat::zeros(img1.size(),CV_8UC1);for(int i=0;i<contours.size();i++)//遍历每个轮廓{for(int j=0;j<contours[i].size();j++)//遍历某个轮廓的每个像素{Point P=Point(contours[i][j].x,contours[i][j].y);Contours.at<uchar>(P)=255;}}imshow("边缘",Contours);waitKey();return 0;}
原图:
边缘检测图:
上面使用findContours的mode参数是RETR_EXTERNAL,只能检测出最外层轮廓,我们把其换为RETR_TREE
边缘检测图:
内部轮廓边缘检测的效果非常好。
- opencv——轮廓检测
- OpenCV中文网站例程——轮廓检测(只检测图像的外部轮廓)
- OpenCV中文网站例程——轮廓检测(能检测内外部轮廓)
- OpenCV中文网站例程——轮廓检测(能检测任意输入图像的轮廓)
- OpenCV学习——轮廓检测与重绘
- OpenCV中文网站例程——轮廓检测2
- opencv——轮廓检测与画轨迹条
- OpenCV 轮廓检测
- OpenCV轮廓检测
- OpenCV轮廓检测
- OpenCV轮廓检测
- OpenCV 轮廓检测
- Opencv轮廓检测
- Opencv 轮廓检测 直线
- OpenCV 轮廓检测
- OpenCV 矩形轮廓检测
- OpenCV 闭合轮廓检测
- OpenCV 轮廓检测
- 哈希算法
- 解决git-忽略文件,添加gitignore,处理已经track的文件
- pytorch使用(三)网络结构可视化
- 动态规划之0/1背包问题
- 设计模式之单例模式,懒汉模式与饿汉模式
- opencv——轮廓检测
- Spring DAO(1):基础 & 数据源配置
- STM32固件库
- Windows7 系统上配置caffe GPU/CPU 的深度学习框架
- 系统吞吐量、TPS(QPS)、用户并发量、性能测试概念和公式
- tensorflow.slice_input_producer
- FasterRCNN算法:RPN层的深入理解
- 军事理论课答案(西安交大版)
- sklearn CountVectorizer\TfidfVectorizer\TfidfTransformer函数详解