opencv轮廓提取原理与代码的实现

　　在检测物体的轮廓时，我们通常会使用到opencv中的findcontour和drawcontour，比较常用而且效果不错。那么findcontour是基于什么原理来实现轮廓的提取呢？

　　轮廓的提取与描述

　　在目标识别中我们首先要把感兴趣的目标提取出来，而一般常见的步骤都是通过颜色或纹理提取出目标的前景图（一幅黑白图像，目标以白色显示在图像中），接下来我们要对前景图进行分析进一步地把目标提取出来，而这里常常用到的就是提取目标的轮廓。

　　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。下面我们通过实例来看函数的用法。

　　view plain copy print？

　　int main（）

　　{

　　using namespace cv;

　　Mat image=imread（“。。/shape.png”）;

　　cvtColor（image，image，CV_BGR2GRAY）;

　　vector《vector《Point》》 contours;

　　// find

　　findContours（image，contours，CV_RETR_EXTERNAL，CV_CHAIN_APPROX_NONE）;

　　// draw

　　Mat result（image.size（），CV_8U，Scalar（0））;

　　drawContours（result，contours，-1，Scalar（255），2）;

　　namedWindow（“contours”）;

　　imshow（“contours”，result）;

　　waitKey（）;

　　return 0;

　　}

　　int main（）

　　{

　　using namespace cv;

　　Mat image=imread（“。。/shape.png”）;

　　cvtColor（image，image，CV_BGR2GRAY）;

　　vector《vector《Point》》 contours;

　　// find

　　findContours（image，contours，CV_RETR_EXTERNAL，CV_CHAIN_APPROX_NONE）;

　　// draw

　　Mat result（image.size（），CV_8U，Scalar（0））;

　　drawContours（result，contours，-1，Scalar（255），2）;

　　namedWindow（“contours”）;

　　imshow（“contours”，result）;

　　waitKey（）;

　　return 0;

　　}

　　

　　上面程序中包含了2个函数，第一个是查找轮廓函数，它的第三个参数说明查找轮廓的类型，这里我们使用的是外轮廓，还可以查找所有轮廓，即

　　包括一些孔洞的部分，像图像人物胳膊与腰间形成的轮廓。第4个参数说明了轮廓表示的方法，程序中的参数说明轮廓包括了所有点，也可以用其

　　他参数让有点直线的地方，只保存直线起始与终点的位置点，具体参数用法可以参考手册里函数的介绍。

　　第二个函数drawContours是一个画轮廓的函数，它的第3个参数程序里设置-1表示所有的轮廓都画，你也可以指定要画的轮廓的序号。

　　提取到轮廓后，其实我们更关心的是如果把这些轮廓转换为可以利用的特征，也就是涉及到轮廓的描述问题，这时就有多种方法可以选择，比如矢

　　量化为多边形、矩形、椭圆等。OpenCV里提供了一些这样的函数。

　　［cpp］ view plain copy print？

　　// 轮廓表示为一个矩形

　　Rect r = boundingRect（Mat（contours［0］））;

　　rectangle（result， r， Scalar（255）， 2）;

　　// 轮廓表示为一个圆

　　float radius;

　　Point2f center;

　　minEnclosingCircle（Mat（contours［1］）， center， radius）;

　　circle（result， Point（center）， static_cast《int》（radius）， Scalar（255）， 2）;

　　// 轮廓表示为一个多边形

　　vector《Point》 poly;

　　approxPolyDP（Mat（contours［2］）， poly， 5， true）;

　　vector《Point》：：const_iterator itp = poly.begin（）;

　　while （itp ！= （poly.end（） - 1））

　　{

　　line（result， *itp， *（itp + 1）， Scalar（255）， 2）;

　　++itp;

　　}

　　line（result， *itp， *（poly.begin（））， Scalar（255）， 2）;

　　// 轮廓表示为凸多边形

　　vector《Point》 hull;

　　convexHull（Mat（contours［3］）， hull）;

　　vector《Point》：：const_iterator ith = hull.begin（）;

　　while （ith ！= （hull.end（） - 1））

　　{

　　line（result， *ith， *（ith + 1）， Scalar（255）， 2）;

　　++ith;

　　}

　　line（result， *ith， *（hull.begin（））， Scalar（255）， 2）;

　　// 轮廓表示为一个矩形

　　Rect r = boundingRect（Mat（contours［0］））;

　　rectangle（result， r， Scalar（255）， 2）;

　　// 轮廓表示为一个圆

　　float radius;

　　Point2f center;

　　minEnclosingCircle（Mat（contours［1］）， center， radius）;

　　circle（result， Point（center）， static_cast《int》（radius）， Scalar（255）， 2）;

　　// 轮廓表示为一个多边形

　　vector《Point》 poly;

　　approxPolyDP（Mat（contours［2］）， poly， 5， true）;

　　vector《Point》：：const_iterator itp = poly.begin（）;

　　while （itp ！= （poly.end（） - 1））

　　{

　　line（result， *itp， *（itp + 1）， Scalar（255）， 2）;

　　++itp;

　　}

　　line（result， *itp， *（poly.begin（））， Scalar（255）， 2）;

　　// 轮廓表示为凸多边形

　　vector《Point》 hull;

　　convexHull（Mat（contours［3］）， hull）;

　　vector《Point》：：const_iterator ith = hull.begin（）;

　　while （ith ！= （hull.end（） - 1））

　　{

　　line（result， *ith， *（ith + 1）， Scalar（255）， 2）;

　　++ith;

　　}

　　line（result， *ith， *（hull.begin（））， Scalar（255）， 2）;

　　程序中我们依次画了矩形、圆、多边形和凸多边形。最终效果如下：

　　

　　对连通区域的分析到此远远没有结束，我们可以进一步计算每一个连通区域的其他属性，比如：重心、中心矩等特征，这些内容以后有机会展开来写。

　　以下几个函数可以尝试：minAreaRect：计算一个最小面积的外接矩形，contourArea可以计算轮廓内连通区域的面积；pointPolygenTest可以

　　用来判断一个点是否在一个多边形内。mathShapes可以比较两个形状的相似性，相当有用的一个函数。