[C++] opencv - findContours(查找轮廓)函数介绍和使用场景_c++ opencv findcontours

findContours函数介绍

C++ OpenCV中的findContours函数用于在二值图像中检测轮廓。它可以将图像中的连续区域(通常是物体)提取出来，形成一个轮廓集合。这个函数非常适用于计算机视觉任务，如目标检测、图像分割等。

C++ OpenCV中的findContours函数原型如下：

void findContours(InputArray image, OutputArray contours, OutputArray hierarchy, 
int mode, int method=RETR_LIST, Point offset=Point());

参数说明：

• image：输入的二值图像，通常是经过边缘检测、阈值处理等操作得到的。
• contours：输出的轮廓集合，每个轮廓由一系列点组成。
• hierarchy：输出的轮廓层次结构，用于表示轮廓之间的父子关系。
• mode：轮廓检索模式，常用的有RETR_EXTERNAL(只检测最外层轮廓)、RETR_LIST(检测所有轮廓)、RETR_CCOMP(检测所有轮廓并按从左到右的顺序排列)和RETR_TREE(检测所有轮廓并建立轮廓树)。
• method：轮廓近似方法，常用的有CHAIN_APPROX_NONE(存储所有顶点)、CHAIN_APPROX_SIMPLE(仅存储水平、垂直方向上的顶点)和CHAIN_APPROX_TC89_L1(使用TEH_CHAIN近似算法)。
• offset：轮廓点偏移量，默认为(0, 0)。

使用场景

除了图像分割，OpenCV的findContours函数还可以应用于以下场景：

1. 目标检测和识别：在视频流或图像中检测和识别特定目标，如人脸、车辆、行人等。

2. 文字识别：对印刷体文字图像进行轮廓提取和分析，以便进行后续的文字识别和处理。

3. 医学影像分析：在医学影像中查找和分析病变区域，如肿瘤、炎症等。

4. 机器人导航：在机器人导航中，通过检测地面上的障碍物和道路边界来规划路径。

5. 三维重建：在三维重建中，通过检测物体表面的轮廓来确定物体的位置和形状。

使用案例

假设我们有一个二值图像，其中包含一个圆形和一个矩形。我们可以使用findContours函数来检测这两个形状的轮廓。

#include <iostream>
#include <opencv2/opencv.hpp>
 
using namespace cv;
using namespace std;
 
int main()
{
    // 读取灰度图像
    Mat src = imread("./3480e7ce_mk_tk_a_c2_6400_4480.png", IMREAD_GRAYSCALE);
    if (src.empty())
    {
        cout << "无法读取图像" << endl;
        return -1;
    }
    imshow("原图", src);
    waitKey(0);
    // 二值化图像
    Mat binary;
    threshold(src, binary, 128, 255, THRESH_BINARY);
    imshow("二值化图", binary);
    waitKey(0);
 
    // 查找轮廓
    vector<vector<Point>> contours;
    vector<Vec4i> hierarchy;
    findContours(binary, contours, hierarchy, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);
 
    // 绘制轮廓
    Mat result(src.size(), CV_8UC3, Scalar(0, 0, 0));
    for (size_t i = 0; i < contours.size(); i++)
    {
        Scalar color(255,0,0);
        drawContours(result, contours, static_cast<int>(i), color, 2, LINE_8, hierarchy, 0);
    }
 
    // 显示结果
    imshow("轮廓图", result);
    waitKey(0);
 
    return 0;
}

运行效果:

二值化图像：

 轮廓图：

总结

OpenCV中的findContours函数可以在二值图像中检测轮廓，非常适用于计算机视觉任务。通过查找轮廓，我们可以提取出图像中的连续区域，从而进行目标检测、图像分割等操作。