Part11. 圖像的輪廓

在該系列第三篇文章中，曾經(jīng)簡單地介紹過輪廓和輪廓發(fā)現(xiàn)。

11.1 輪廓的基本概念

圖像的輪廓是指圖像中具有相同顏色或灰度值的連續(xù)點的曲線。輪廓和邊緣是有聯(lián)系的，邊緣是輪廓的基礎，輪廓是邊緣的連續(xù)集合。

輪廓和邊緣的區(qū)別是：

輪廓是連續(xù)的，邊緣可以是連續(xù)的，也可以是離散的。

輪廓是完整的，邊緣可以是完整的，也可以是不完整的。

輪廓可以有各種形狀，邊緣通常是線性的。

21.2 輪廓發(fā)現(xiàn)和輪廓提取

輪廓發(fā)現(xiàn)是指在圖像中找到所有可能的輪廓。

輪廓提取是指從圖像中找到所有有效的輪廓和輪廓的具體信息。

輪廓發(fā)現(xiàn)是輪廓提取的前提，輪廓提取在輪廓發(fā)現(xiàn)的基礎上進一步提取輪廓的形狀和位置信息等等。

下面的代碼，經(jīng)過一系列操作找到二值圖像的有效輪廓后，獲取這些輪廓的最小外接矩形，最后用線在原圖中框出這些外接矩形，從而在原圖中找到比較明顯的蘋果。

#include
#include"opencv2/imgproc.hpp"
#include"opencv2/highgui.hpp"

usingnamespacestd;
usingnamespacecv;

boolascendSort(vectora,vectorb)
{
returncontourArea(a)>contourArea(b);
}

intmain(intargc,char**argv){
Matsrc=imread(".../apple.jpg");
imshow("src",src);

Mathsv,edge;
cvtColor(src,hsv,cv::COLOR_BGR2HSV);//BGR轉換到HSV色彩空間
imshow("hsv",hsv);

cv::Scalarlower_red(0,43,46);
cv::Scalarupper_red(10,255,255);//定義紅色的HSV范圍

Matmask;
inRange(hsv,lower_red,upper_red,mask);//通過inRange函數(shù)實現(xiàn)二值化
imshow("mask",mask);

Matkernel=getStructuringElement(MORPH_RECT,Size(15,15));
morphologyEx(mask,mask,MORPH_CLOSE,kernel);//形態(tài)學操作
morphologyEx(mask,mask,MORPH_OPEN,kernel);//形態(tài)學操作
imshow("morphology",mask);

vector>contours;
vectorhierarchy;

findContours(mask,contours,hierarchy,RETR_EXTERNAL,CHAIN_APPROX_SIMPLE);
sort(contours.begin(),contours.end(),ascendSort);//ascendingsort

for(size_ti=0;i

	

	展示原圖

	將原圖轉換成 HSV 類型，用于提取特定顏色。

	hsv.png

	通過 inRange 函數(shù)實現(xiàn)二值化。inRange 函數(shù)用于將圖像中的像素值限制在指定的范圍內(nèi)，它會將滿足條件的像素設置為 255，不滿足條件的像素設置為 0，從而形成一個二值圖像。

	二值化.png

	對二值圖像進行一些形態(tài)學的操作，便于后續(xù)的輪廓分析。

	形態(tài)學操作.png

	通過 findContours() 函數(shù)進行輪廓發(fā)現(xiàn)。最后，篩選出有效的輪廓，并獲取最小外接矩形，用線畫出在原圖上展示出來。

	Part22. 輪廓特征的分類

	圖像的輪廓特征可以分為以下幾類：

	基礎特征：面積、周長、質心、凸包、最小外接矩形等。這些特征可以直接從輪廓序列中計算得到。

	矩特征：Hu 矩、中心矩、慣性矩等。這些特征可以用于描述輪廓的形狀和大小。

	幾何特征：最小閉合圓、擬合橢圓等。這些特征可以用于描述輪廓的幾何形狀。

	Part33. 輪廓的基礎特征

	33.1 面積、周長、最小外接矩形

	輪廓面積 contourArea()

	輪廓周長 arcLength()

	輪廓外接矩形 boundingRect()

	輪廓最小外接矩形 minAreaRect()

	下面的例子獲取圖中回形針的輪廓，以及輪廓的面積、周長、最小外接矩形等。

	
#include
#include"opencv2/imgproc.hpp"
#include"opencv2/highgui.hpp"

usingnamespacestd;
usingnamespacecv;

boolascendSort(vectora,vectorb)
{
returncontourArea(a)>contourArea(b);
}

intmain(intargc,char**argv){
Matsrc=imread(".../paperclip.jpg");
imshow("src",src);

Matgray,thresh;
cvtColor(src,gray,cv::COLOR_BGR2GRAY);
imshow("gray",gray);

threshold(gray,thresh,0,255,THRESH_BINARY_INV|THRESH_OTSU);
imshow("thresh",thresh);

vector>contours;
vectorhierarchy;

findContours(thresh,contours,hierarchy,RETR_EXTERNAL,CHAIN_APPROX_SIMPLE);
sort(contours.begin(),contours.end(),ascendSort);//ascendingsort

for(size_ti=0;i

	

	執(zhí)行結果：

	
area=101573,length=2461.71
area=41757.5,length=1256.08
area=41348,length=1152.56
area=39717.5,length=1616.13
area=37503,length=1230.47
area=36742.5,length=1037.21
area=4142,length=706.357


	

	外接矩形是指可以包圍輪廓所有點的矩形，而最小外接矩形是指包含輪廓中所有點的最小矩形。

	下面的例子，獲取圖中最大輪廓的外接矩形和最小外接矩形，分別用黃色和藍色表示。

	
#include"opencv2/imgproc.hpp"
#include"opencv2/highgui.hpp"

usingnamespacestd;
usingnamespacecv;

boolascendSort(vectora,vectorb)
{
returncontourArea(a)>contourArea(b);
}

intmain(intargc,char**argv){
Matsrc=imread(".../fruit.jpg");
imshow("src",src);

Matgray,thresh;
cvtColor(src,gray,cv::COLOR_BGR2GRAY);

threshold(gray,thresh,0,255,THRESH_BINARY|THRESH_OTSU);

vector>contours;
vectorhierarchy;
findContours(thresh,contours,hierarchy,RETR_EXTERNAL,CHAIN_APPROX_SIMPLE);
sort(contours.begin(),contours.end(),ascendSort);//ascendingsort

RotatedRectrrt=minAreaRect(contours[0]);//獲取最大輪廓的最小外接矩形

Point2fpt[4];
rrt.points(pt);
line(src,pt[0],pt[1],Scalar(255,0,0),8,8);
line(src,pt[1],pt[2],Scalar(255,0,0),8,8);
line(src,pt[2],pt[3],Scalar(255,0,0),8,8);
line(src,pt[3],pt[0],Scalar(255,0,0),8,8);

Rectrect=boundingRect(contours[0]);//獲取最大輪廓的外接矩形
rectangle(src,rect,Scalar(0,255,255),8,8);//繪制外接矩形

imshow("result",src);

waitKey(0);
return0;
}


	

	通過上述例子可以看到，最小外接矩形能夠更精確地描述輪廓的形狀和大小。

	外接矩形和最小外接矩形有各自的使用場景，例如在對象檢測中，可以使用外接矩形來粗略定位物體，而使用最小外接矩形來精確定位物體。

	43.2 凸包

	凸包(Convex Hull)是計算幾何(圖形學)中的概念。在一個實數(shù)向量空間 V 中，對于給定集合 X，所有包含 X 的凸集的交集 S 被稱為 X 的 凸包。

	在二維歐幾里得空間中，凸包可想象為一條剛好包著所有點的橡皮圈。

	平面的一個子集 S 被稱為是“凸”的，當且僅當對于任意兩點 p，s ∈S，線段 ps 都完全屬于S。

	一個點集 P 的凸包CH(P)，就是包含 P 的最小凸集——即包含P的所有凸集的交。

	凸包的性質：

	凸包是凸集。

	凸包的周長是最小的。

	凸包的面積是最小的。

	凸包的質心是所有點的質心的均值。

	OpenCV 提供了 convexHull() 函數(shù)尋找輪廓的凸包以及 isContourConvex() 函數(shù)用于判斷輪廓是否為凸輪廓。凸輪廓是指所有內(nèi)角都小于或等于 180 度的輪廓。

	
#include
#include"opencv2/imgproc.hpp"
#include"opencv2/highgui.hpp"

usingnamespacestd;
usingnamespacecv;

intmain(intargc,char**argv){
Matsrc=imread(".../hand.jpg");
imshow("src",src);

Matgray,thresh;
cvtColor(src,gray,cv::COLOR_BGR2GRAY);

threshold(gray,thresh,0,255,THRESH_BINARY_INV|THRESH_OTSU);
imshow("thresh",thresh);

Matmask;
Matkernel=getStructuringElement(MORPH_RECT,Size(31,31));
morphologyEx(thresh,mask,MORPH_CLOSE,kernel);//形態(tài)學操作
imshow("morphology",mask);

vector>contours;
vectorhierarchy;

findContours(mask,contours,hierarchy,RETR_EXTERNAL,CHAIN_APPROX_SIMPLE);

vector>hull(contours.size());

Matdrawing=Mat::zeros(mask.size(),CV_8UC3);
for(size_ti=0;i

	

	執(zhí)行結果：

	
isHull=0
isHull=0


	

	Part44. 總結

	輪廓的基礎特征是計算機視覺中的重要工具，這些特征可以應用于對象檢測、形狀識別、測量等各種應用場景。后續(xù)還會介紹更多的輪廓特征。

	

	審核編輯：湯梓紅