OPENCV——查找图形轮廓

图像形状查找在OPENCV里面是非常常见的功能，它常用于视觉任务、目标检测、图像分割等等。在OPENCV中通常使用Canny函数、findContours函数、drawContours函数结合在一起去做轮廓的形检测。

一、重要函数讲解

1.1findContours函数的简介以及定义

在OPENCV中通常使用findContours函数去寻找图片的轮廓，也是OPENCV中处理轮廓最重要的函数之一，它常用于找到二值图像中所有物体的轮廓。它的实现原理是通过扫描一张二值图像，然后找到所有的轮廓，并把所有的数据存储在向量里面。下面我们来看看findContours的函数定义

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

第一个参数：image输入的二值图像，这个图像通常是用在边缘检测、阈值处理等等

第二个参数：contours输出的轮廓集合，每一个轮廓都是由点组成，通常用vector<vector<Point>>来表示

第三个参数：hierarchy输出的轮廓层次结构，这通常表示轮廓之间的父子关系，这个是可选参数，通常用vector<Vec4i> hierarchy来表示。比方说，第i个轮廓，hierarchy[i][0]、hierarchy[i][1]、hierarchy[i][2]、hierarchy[i][3], 依次为第i个轮廓[Next、Pervious、First_Child，Parent], 这表示的是相同等级下种下一轮廓、前一轮廓，第一个子轮廓和父轮廓的索引号。若轮廓i没有下一个，前一个或者父级轮廓，则层次相应的元素是负数。如下图：

Next：表示同一级别的下一个轮廓索引，若我们图片中取出轮廓0，同一水平的下一个是轮廓1。所以说当轮廓 == 0的时候，NEXT就是轮廓1。

Previous：表示同一级别的上一个轮廓索引，如轮廓1的同一级别的上一个是轮廓0。以此类推，轮廓2的上一个轮廓是轮廓1。

First_Child：表示的是当前轮廓的第一个子轮廓的索引。比方说，对于轮廓2，子轮廓是2a，所以轮廓2的First_Child是轮廓2a相对应的索引值。而对于3a来说，它有两个轮廓分别是6,7, 但这里只能取第一个轮廓，所以这里是6。

Parent：表示的是当前轮廓的父轮廓索引，比方说对于轮廓6和轮廓7来说，它们的父轮廓都是3a。

第四个参数：mode轮廓检索模式，通常有以下选项

第五个参数：method轮廓近似方法，通常有以下的几种方法

第六个参数：offset轮廓点偏移量，默认(0,0)

输出数据结构说明

• contours是二维向量：contours[0]是第一条轮廓，contours[0][0]是第一条轮廓的第一个点坐标；
• 每条轮廓都是一组连续的Point(x,y)坐标，围成闭合的边缘。

1.2 ​​​​​​​drawContours函数的简介以及定义

在OPENCV中drawContours常用于绘制图像的轮廓，如上图，我们来看看这个函数的API定义：

void drawContours( InputOutputArray image, InputArrayOfArrays contours, int contourIdx, const Scalar& color, int thickness = 1, int lineType = LINE_8, InputArray hierarchy = noArray(), int maxLevel = INT_MAX, Point offset = Point() );

第一个参数：image输出图像，即绘制轮廓后的图像

第二个参数：contours轮廓的集合，它是由一系列的点组成

第三个参数：contourIdx、轮廓索引数组，指定要绘制哪些轮廓

第四个参数：contourColor，轮廓颜色，使用Scalar类型表示

第五个参数：thickness，轮廓线宽，默认1

第六个参数：lineType，轮廓线类型，默认为LINE_8

第七个参数：hierarchy，轮廓层次结构，用于绘制轮廓的父子关系。默认为noArray()

第八个参数：maxLevel，表示绘制轮廓的最大层级数量。若maxLevel 为0，则只绘制指定的轮廓；若maxLevel 为1，则绘制轮廓极其所有嵌套轮廓；若maxLevel 为2，则绘制轮廓、所有嵌套轮廓、所有嵌套到嵌套的轮廓。

第九个参数：轮廓点的偏移量，默认为(0,0)

1.3 ​​​​​​​Canny函数的简介以及定义

Canny函数主要用在OPENCV的边缘检测计算，边缘检测是OPENCV图像中非常重要的功能，它的功能如(上图一)。它能够高效地提取图像中的边缘信息，而Canny边缘检测是OPENCV里面最优秀和最精准的边缘检测方法。Canny的工作原理可以分为以下比较重要的步骤进行处理，分别是高斯滤波(将图像转换为灰度图像，高斯滤波作用是平滑图像，让Canny检测的时候准确率更高)、梯度强度和方向的计算(计算图像中每个像素的强度和方向、强度表示像素点的边缘强度、梯度表示的是边缘方向这里的梯度需要用到sobel因子)、非极大抑制(经过NMS操作后，会除去一些不是边缘的像素点)、双阈值处理(给出一个阈值，若超过这个阈值的边缘则会被保留)、边缘链接(经过双阈值处理过后，强边缘则会留下来，弱边缘则会被抑制，并会把所有的强边缘全部连接起来)，步骤如下图2。

下面是双阈值的处理的图解：当梯度值大于maxVal则认为是强边界；当minVal < 梯度值 < maxVal跟边界有连接的部分则保留，否则废弃；梯度值< minVal则废弃。另外需要注意的是高阈值与低阈值的比例最好是2:1到3:1之间。

下面我们来看看Canny的函数定义：

void Canny( InputArray image, OutputArray edges, double threshold1, double threshold2, int apertureSize = 3, bool L2gradient = false );

第一个参数：image输入的图像，这个图像一定要单通道灰度图

第二个参数：edges输出的边缘图像，这个图像也必须是单通道黑白图

第三个参数：threshold1第一个滞后性阈值，低阈值，小于低阈值则认为是弱边缘，就是需要抛弃的边缘。

第四个参数：threshold2第二个滞后性阈值，高阈值，大于高阈值被认为强边缘，需要保留的边缘

第五个参数：apertureSize指的是Sobel算子大小，这个值默认为3，代表的是3*3的矩阵大小。

第六个参数：L2gradient是计算图像梯度幅度值的情况，这个值默认为False；若选择True，则使用更精确的L2范数进行计算

二、查找图形轮廓并画框

经过上一章节的讲解，我们对整个OPENCV提取轮廓的API有了一个大致的了解。本章节主要是讲解如何通过代码来实现OPENCV的轮廓检测提取然后进行画框。具体的如下图：

完成轮廓检测，需要做以上步骤。分别是imread读取图片(这个图片默认是3通道)、利用cvtColor把8VU3的三通道图片转换成灰度图(8VU1)、调用Canny对灰度图像进行边缘检测、调用findContours去查找轮廓、循环轮廓数量然后调用drawContours进行画框操作。

代码

#include <opencv2/opencv.hpp> #include <opencv2/dnn.hpp> #include <opencv2/imgcodecs.hpp> #include <opencv2/imgproc.hpp> #include <iostream> using namespace cv; using namespace std; int main() { Mat img = imread("shape.png"); Mat imgGray; cvtColor(img, imgGray, COLOR_RGB2GRAY); Mat imgCanny; Canny(imgGray, imgCanny, 25, 75); vector<vector<Point>> contours; vector<Vec4i> hierarchy; findContours(imgCanny, contours, hierarchy, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE); Mat drawing = Mat::zeros(imgCanny.size(), CV_8UC3); for(int i = 0; i < contours.size(); i++) { Scalar color = Scalar(255, 255, 0); drawContours(drawing, contours, i, color, 2, 8, hierarchy, 0, Point()); } imwrite("contour,jpg",drawing); return 0; }

2.1. 读取原图

Mat img = imread("shape.png");

• 读取当前目录下的shape.png，默认以BGR 三通道彩色格式加载。

2.2. 灰度化转换

Mat imgGray; cvtColor(img, imgGray, COLOR_RGB2GRAY);

• 功能：将彩色图转为单通道灰度图，Canny 只支持单通道输入。

2.3. Canny 边缘检测

Mat imgCanny; Canny(imgGray, imgCanny, 25, 75);

• 功能：对灰度图做边缘检测，输出单通道二值边缘图（白色为边缘，黑色为背景）。
• 参数说明：低阈值 25，高阈值 75，高低阈值比例为 3:1，大于75表示的是强边缘需要保存下来的，小于25是弱边缘需要忽略的，25-75之间的边缘则会用算法进行候选；默认使用 3×3 Sobel 算子。

2.4. 轮廓检测

vector<vector<Point>> contours; vector<Vec4i> hierarchy; findContours(imgCanny, contours, hierarchy, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);

处理完边缘后，就findContours可以通过findContours去查找所有图像的轮廓了，由于我们检测的图像没有内嵌的形状，所以我们选择RETR_EXTERNAL的模式只检测外轮廓，Method的方法则选择CHAIN_APPROX_SIMPLE存储所有的轮廓点。注意：contours一般是用vector<vector<point>>表示，hierarchy通常用vector<Vec4i>表示.

2.5. 轮廓绘制与保存

1. 创建绘制画布

Mat drawing = Mat::zeros(imgCanny.size(), CV_8UC3);

• 创建一张和原图尺寸一致的纯黑三通道图像，作为绘制轮廓的背景板，方便突出显示轮廓。

2. 循环绘制所有轮廓

for(int i = 0; i < contours.size(); i++) { Scalar color = Scalar(255, 255, 0); drawContours(drawing, contours, i, color, 2, 8, hierarchy, 0, Point()); }

• 遍历每一条检测到的轮廓，逐个绘制到黑色画布上。
• 参数说明：
  • 颜色Scalar(255,255,0)：BGR 格式下为青色（蓝 + 绿满值，红为 0）。
  • 线宽2：轮廓线条粗细为 2 像素。
  • 线型8：8 连通线型，线条更平滑。
  • maxLevel=0：只绘制当前层级轮廓，配合RETR_EXTERNAL使用时无额外效果。

3. 保存结果图

imwrite("contour,jpg",drawing);