opencv学习系列：连通域参考处理

OpenCV里提取目标轮廓的函数是findContours，它的输入图像是一幅二值图像，输出的是每一个连通区域的轮廓点的集合：vector<vector<Point>>。外层vector的size代表了图像中轮廓的个数，里面vector的size代表了轮廓上点的个数。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。第六个参数传入CV_CHAIN_CODE时，要设置成sizeof(CvChain),其它情况统一设置成sizeof(CvContour)CV_CHAIN_CODE：以Freeman链码的方式输出轮廓，所有其他方法输出多边形（顶点的序列）。CV_CHAIN_APPROX_SIMPLE：压缩水平的、垂直的和斜的部分，也就是，函数只保留他们的终点部分。例如一个矩形轮廓只需4个点来保存轮廓信息CV_RETR_EXTERNAL：只检索最外面的轮廓；CV_RETR_LIST：检测的轮廓不建立等级关系，检索所有的轮廓，并将其保存到一条链表当中；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。检索所有的轮廓，并将他们组织为两层：顶层是各部分的外部边界，第二层是空洞的边界；CV_RETR_TREE：检索所有的轮廓，并重构嵌套轮廓的整个层次，可以参见下图。加滚动条确定阈值化的合适阈值！：http://blog.csdn.net/augusdi/article/details/9021467****************************************************************************************//做一下膨胀，x与y方向都做，但系数不同            var kernal = Cv.CreateStructuringElementEx(5, 2, 1, 1, ElementShape.Rect);            Cv.Erode(gray, gray, kernal, 2);            //二值化            Cv.Threshold(gray, gray, 0, 255, ThresholdType.BinaryInv | ThresholdType.Otsu);            //检测连通域，每一个连通域以一系列的点表示，FindContours方法只能得到第一个域            var storage = Cv.CreateMemStorage();            CvSeq<CvPoint> contour = null;            Cv.FindContours(gray, storage, out contour, CvContour.SizeOf, ContourRetrieval.CComp, ContourChain.ApproxSimple);            var color = new CvScalar(0, 0, 255);            //开始遍历            while (contour != null)            {                //得到这个连通区域的外接矩形                var rect = Cv.BoundingRect(contour);                //如果高度不足，或者长宽比太小，认为是无效数据，否则把矩形画到原图上                if(rect.Height > 10 && (rect.Width * 1.0 / rect.Height) > 0.2)                    Cv.DrawRect(src, rect, color);                //取下一个连通域                contour = contour.HNext;            }**************************************************************************************************************************************************************************// 移除过小或过大的轮廓  void getSizeContours(vector<vector<Point>> &contours)  {      int cmin = 100;   // 最小轮廓长度      int cmax = 1000;   // 最大轮廓长度      vector<vector<Point>>::const_iterator itc = contours.begin();      while(itc != contours.end())      {          if((itc->size()) < cmin || (itc->size()) > cmax)          {              itc = contours.erase(itc);          }          else ++ itc;      }  }  ****************************************************************************while(contour) {  /*area = cvContourArea(contour, CV_WHOLE_SEQ);*/  area = fabs(cvContourArea( contour, CV_WHOLE_SEQ )); //获取当前轮廓面积  printf("area == %lf\n", area);  //画轮廓  //画外接矩形  CvRect r = ((CvContour*)contour)->rect;  if (r.height * r.width > size)  {   cvRectangle(pimg, cvPoint(r.x, r.y), cvPoint(r.x + r.width, r.y + r.height),CV_RGB(255, 0, 0), 1, CV_AA, 0);  }  contour = contour->h_next; }*********************************************************************************************************// Get the contours of the connected components      std::vector<std::vector<cv::Point>> contours;      cv::findContours(gray,           contours, // a vector of contours           CV_RETR_EXTERNAL , // retrieve the external contours          CV_CHAIN_APPROX_NONE); // retrieve all pixels of each contours      // Print contours' length      std::cout << "Contours: " << contours.size() << std::endl;      std::vector<std::vector<cv::Point>>::const_iterator itContours= contours.begin();      for ( ; itContours!=contours.end(); ++itContours)       {          std::cout << "Size: " << itContours->size() << std::endl;      }      // draw black contours on white image      cv::Mat result(image.size(),CV_8U,cv::Scalar(255));      cv::drawContours(result,contours,          -1, // draw all contours          cv::Scalar(0), // in black          2); // with a thickness of 2  ************************************************************************ double maxarea = 0;      double minarea = 100;      int m = 0;      for( ; contour != 0; contour = contour->h_next )        {            double tmparea = fabs(cvContourArea(contour));          if(tmparea < minarea)             {                cvSeqRemove(contour, 0); // 删除面积小于设定值的轮廓              continue;          }            CvRect aRect = cvBoundingRect( contour, 0 );           if ((aRect.width/aRect.height)<1)            {                cvSeqRemove(contour, 0); //删除宽高比例小于设定值的轮廓              continue;          }            if(tmparea > maxarea)            {                maxarea = tmparea;          }            m++;          // 创建一个色彩值          CvScalar color = CV_RGB( 0, 255, 255 );          //max_level 绘制轮廓的最大等级。如果等级为0，绘制单独的轮廓。如果为1，绘制轮廓及在其后的相同的级别下轮廓          //如果值为2，所有的轮廓。如果等级为2，绘制所有同级轮廓及所有低一级轮廓，诸此种种          //如果值为负数，函数不绘制同级轮廓，但会升序绘制直到级别为abs(max_level)-1的子轮廓          cvDrawContours(dst, contour, color, color, -1, 1, 8);   //绘制外部和内部的轮廓      }        contour = _contour;      int count = 0;      for(; contour != 0; contour = contour->h_next)      {            count++;          double tmparea = fabs(cvContourArea(contour));          if (tmparea == maxarea)            {                CvScalar color = CV_RGB( 255, 0, 0);              cvDrawContours(dst, contour, color, color, -1, 1, 8);          }        }    *************************************************************************************在提取之前还可以调用一个函数：            contour = cvApproxPoly( contour, sizeof(CvContour), storage, CV_POLY_APPROX_DP, 3, 1 );            可能是拟合，有这一句找出的轮廓线更直。   contour里面包含了很多个轮廓，每个轮廓是单独存放的.  输出轮廓位置！ printf(" %d elements:\n", c->total );       for( int i=0; i<c->total; ++i ) {       CvPoint* p = CV_GET_SEQ_ELEM( CvPoint, c, i );          printf("    (%d,%d)\n", p->x, p->y );       }  输出轮廓面积！for( ; contour; contour = contour->h_next)      {          area = fabs(cvContourArea(contour, CV_WHOLE_SEQ)); //获取当前轮廓面积          printf("area == %lf\n", area);          if(area > maxArea)          {              contmax = contour;              maxArea = area;          }      }  ***********************************************************************************************内轮廓填充   // 参数:   // 1. pBinary: 输入二值图像，单通道，位深IPL_DEPTH_8U。  // 2. dAreaThre: 面积阈值，当内轮廓面积小于等于dAreaThre时，进行填充。   void FillInternalContours(IplImage *pBinary, double dAreaThre)   {       double dConArea;       CvSeq *pContour = NULL;       CvSeq *pConInner = NULL;       CvMemStorage *pStorage = NULL;       // 执行条件       if (pBinary)       {           // 查找所有轮廓           pStorage = cvCreateMemStorage(0);           cvFindContours(pBinary, pStorage, &pContour, sizeof(CvContour), CV_RETR_CCOMP, CV_CHAIN_APPROX_SIMPLE);           // 填充所有轮廓           cvDrawContours(pBinary, pContour, CV_RGB(255, 255, 255), CV_RGB(255, 255, 255), 2, CV_FILLED, 8, cvPoint(0, 0));          // 外轮廓循环           for (; pContour != NULL; pContour = pContour->h_next)           {               // 内轮廓循环               for (pConInner = pContour->v_next; pConInner != NULL; pConInner = pConInner->h_next)               {                   // 内轮廓面积                   dConArea = fabs(cvContourArea(pConInner, CV_WHOLE_SEQ));                   if (dConArea <= dAreaThre)                   {                       cvDrawContours(pBinary, pConInner, CV_RGB(255, 255, 255), CV_RGB(255, 255, 255), 0, CV_FILLED, 8, cvPoint(0, 0));                  }               }           }           cvReleaseMemStorage(&pStorage);           pStorage = NULL;       }   }  ******************************************************************* *********************// Get the contours of the connected components    std::vector<std::vector<cv::Point>> contours;    cv::findContours(image,         contours, // a vector of contours         CV_RETR_EXTERNAL, // retrieve the external contours        CV_CHAIN_APPROX_NONE); // retrieve all pixels of each contours    // Print contours' length    std::cout << "Contours: " << contours.size() << std::endl;    std::vector<std::vector<cv::Point>>::const_iterator itContours= contours.begin();    for ( ; itContours!=contours.end(); ++itContours)     {        std::cout << "Size: " << itContours->size() << std::endl;    }***************************************************************************************// Eliminate too short or too long contours    int cmin= 100;  // minimum contour length    int cmax= 1000; // maximum contour length    std::vector<std::vector<cv::Point>>::const_iterator itc= contours.begin();    while (itc!=contours.end()) {        if (itc->size() < cmin || itc->size() > cmax)            itc= contours.erase(itc);        else             ++itc;    }输出所有轮廓的旋转角度CvBox2D     End_Rage2D;    CvMemStorage *storage = cvCreateMemStorage(0);  //开辟内存空间    CvSeq*      contour = NULL;     //CvSeq类型 存放检测到的图像轮廓边缘所有的像素值，坐标值特征的结构体以链表形式    cvFindContours( pSrcImage, storage, &contour, sizeof(CvContour),CV_RETR_CCOMP, CV_CHAIN_APPROX_NONE);//这函数可选参数还有不少 for(; contour; contour = contour->h_next)   //如果contour不为空，表示找到一个以上轮廓，这样写法只显示一个轮廓        //如改为for(; contour; contour = contour->h_next) 就可以同时显示多个轮廓    {          End_Rage2D = cvMinAreaRect2(contour);          //代入cvMinAreaRect2这个函数得到最小包围矩形  这里已得出被测物体的角度，宽度,高度，和中点坐标点存放在CvBox2D类型的结构体中，        //主要工作基本结束。    std::cout <<" angle:\n"<<(float)End_Rage2D.angle << std::endl;      //被测物体旋转角度     }//函数形式画轮廓void DrawRec(IplImage* pImgFrame,IplImage* pImgProcessed,int MaxArea)  {      //pImgFrame:初始未处理的帧，用于最后标出检测结果的输出;      //pImgProcessed:处理完的帧,用于找运动物体的轮廓      stor = cvCreateMemStorage(0);  //创建动态结构和序列      cont = cvCreateSeq(CV_SEQ_ELTYPE_POINT, sizeof(CvSeq), sizeof(CvPoint) , stor);      // 找到所有轮廓      cvFindContours( pImgProcessed, stor, &cont, sizeof(CvContour),                       CV_RETR_LIST, CV_CHAIN_APPROX_SIMPLE, cvPoint(0,0));      // 直接使用CONTOUR中的矩形来画轮廓      for(;cont;cont = cont->h_next)      {                CvRect r = ((CvContour*)cont)->rect;                if(r.height * r.width > MaxArea) // 面积小的方形抛弃掉                {                    cvRectangle( pImgFrame, cvPoint(r.x,r.y),                             cvPoint(r.x + r.width, r.y + r.height),                            CV_RGB(255,0,0), 1, CV_AA,0);                }      }      cvShowImage("video", pImgFrame);  }  ***********************************************************************************************绍opencv 的基于面积区域过滤方法，这个对图像处理时去除小区域杂点是很有帮助的。基于区域宽度，高度等其他方式的过滤也可以根据这个方法类推。# 图片中找到我们需要的目标 一般是最大连通区域#获取当前轮廓面积area = abs(cv.cvContourArea( contour ))# 获取最大区域矩形块aRect = cv.cvBoundingRect( contmax, 0 )#原始区域的不加边框#rcenter = cv.cvPoint2D32f(aRect.x + aRect.width/2.0, aRect.y + aRect.height/2.0)*****************************************************************************************//移除过长或过短的轮廓      int cmin = 100; //最小轮廓长度      int cmax = 1000;    //最大轮廓      vector<vector<Point>>::const_iterator itc = contours.begin();      while (itc!=contours.end())      {          if (itc->size() < cmin || itc->size() > cmax)              itc = contours.erase(itc);          else              ++itc;      }      //在白色图像上绘制黑色轮廓      Mat result_erase(binaryImage.size(), CV_8U, Scalar(255));      drawContours(result_erase, contours,          -1, //绘制所有轮廓          Scalar(0),  //颜色为黑色          2); //轮廓线的绘制宽度为2   Rect r0 = boundingRect(Mat(contours[0]));      rectangle(result_erase, r0, Scalar(128), 2);      Rect r1 = boundingRect(Mat(contours[1]));      rectangle(result_erase, r1, Scalar(128), 2);  ***************************************************************************************************************** //对前景先进行中值滤波，再进行形态学膨胀操作，以去除伪目标和连接断开的小目标 69         medianBlur(mask, mask, 5); 70         //morphologyEx(mask, mask, MORPH_DILATE, getStructuringElement(MORPH_RECT, Size(5, 5))); 71  72         //测试：先开运算再闭运算 73         morphologyEx(mask, mask, MORPH_CLOSE, getStructuringElement(MORPH_RECT, Size(5, 5))); 74         morphologyEx(mask, mask, MORPH_OPEN, getStructuringElement(MORPH_RECT, Size(5, 5))); //外接矩阵 93         Rect rct; 94  95         //对轮廓进行外接矩阵之前先对轮廓按面积降序排序，目的为了去除小目标（伪目标） 96         sort(contours.begin(), contours.end(), descSort); 97  98         for (int i = 0; i < contours.size(); i++) 99         {100             //当第i个连通分量的外接矩阵面积小于最大面积的1/6，则认为是伪目标101             if (contourArea(contours[i]) < contourArea(contours[0]) / 5)102                 break;103             //包含轮廓的最小矩阵104             rct = boundingRect(contours[i]);105             rectangle(result, rct, Scalar(0, 255, 0), 2);106 107         }************************************************************************************************************** Mat element(5,5,CV_8U,Scalar(1));   cvMorphologyEx(green, green, NULL, element, CV_MOP_OPEN);       // 开运算,去除比结构元素小的亮点  cvThreshold(green, green, 0.0, 255.0, CV_THRESH_BINARY | CV_THRESH_OTSU);   // OTSU法二值化  一般用：findContours(image,contours,CV_RETR_EXTERNAL,CV_CHAIN_APPROX_NONE);  int cmin=100;  int cmax=1000;  vector<std::vector<cv::Point> >::iterator itc = contours.begin();  while(itc!=contours.end())  {      if(itc->size()<cmin||itc->size()>cmax)          itc =contours.erase(itc);      else          itc++;  }   Mat image2=imread("E:\\group.jpg");   drawContours(image2,contours,-1,Scalar(255,255,255),2);  imshow("image",image2);