11---OpenCV:图像进阶操作之①轮廓②凸包操作

一、图像轮廓操作

图像轮廓

图像轮廓是一系列相连的点组成的曲线，代表了物体的基本外形，相对于边缘，轮廓是连续的，边缘并不全部连续。一般地，获取图像轮廓要经过下面几个步骤：

• 读取图片

• 灰度处理-->imread("testMin.jpg", IMREAD_GRAYSCALE)

• 二值化处理，查找轮廓

  • 二值化---> threshold(result["Gray"], result["Binary"], 125, 255, THRESH_BINARY);

• 显示轮廓边缘

查找轮廓

void findContours( InputArray image, OutputArrayOfArrays contours,int mode, int method, Point offset = Point());
/*******************************************************************
*           image:          单通道灰度图              
*           contours:       检测到的轮廓，存储的是点坐标  
*           mode:           轮廓检索模式
*           method:         轮廓逼近方法
*           offset:         按照偏移量移动所有的轮廓 一般不使用
*********************************************************************/

void findContours( InputArray image, OutputArrayOfArrays contours, OutputArray hierarchy, int mode,int method, Point offset = Point());
/*******************************************************************
*           image:          输入单通道灰度图                
*           contours:       检测到的轮廓，存储的是点坐标  
*           hierarchy:      轮廓的拓扑信息
*               contours[i]包含4个hierarchy[i]元素，
*                           hierarchy[i][0]:后一个轮廓
*                           hierarchy[i][1]:前一个轮廓
*                           hierarchy[i][2]:父轮廓
*                           hierarchy[i][3]:内嵌轮廓                                        
*           mode:           轮廓检索模式
*           method:         轮廓逼近方法
*           offset:         按照偏移量移动所有的轮廓 一般不使用
*********************************************************************/

//mode取值:
enum RetrievalModes {
    RETR_EXTERNAL  = 0,//只检索最外面的轮廓
    RETR_LIST      = 1,//检索所有轮廓，并保存到一条链表中
    RETR_CCOMP     = 2,//检索所有轮廓，组织为顶层(外部边界)和次层(内部边界)
    RETR_TREE      = 3,//检索所有的轮廓，并重构嵌套轮廓的整个层次
    RETR_FLOODFILL = 4 //支持CV_32SC1图像，不等于仅支持CV_8UC1图像
};
//method取值:
enum ContourApproximationModes {
    CHAIN_APPROX_NONE      = 1, //保存所有轮廓点
    CHAIN_APPROX_SIMPLE    = 2, //压缩水垂直对角线，只保留线的两端点
    CHAIN_APPROX_TC89_L1   = 3, //使用teh-Chinl chain 近似算法
    CHAIN_APPROX_TC89_KCOS = 4  //使用teh-Chinl chain 近似算法
};

绘制轮廓

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());
/*******************************************************************
*           image:                  输出单通道灰度图    
*           contours:               所有的输入轮廓
*           contourIdx:             指定轮廓列表的索引 ID（将被绘制）
*                                       若为负数，则所有的轮廓将会被绘制
*           color:                  绘制轮廓的颜色
*           thickness:              绘制轮廓线条的宽度
*           lineType:               线条的类型，8连通型或4连通型
*           hierarchy:              层次结构信息
*           maxLevel:               绘制轮廓的最高级别
*                                        0:绘制指定轮廓
*                                        1:绘制该轮廓和所有嵌套轮廓
*                                        2:绘制该轮廓、嵌套轮廓子轮廓等
*           offset:                 按照偏移量移动所有的轮廓
*********************************************************************/

综合代码

#include 
#include 
#include 
#include 
#include 
using namespace cv;
using namespace std;
class OutLine 
{
public:
    OutLine() :img(imread("testMin.jpg", IMREAD_GRAYSCALE)) 
    {
        result["Gray"] = img;
    }
    void Show() 
    {
        for (auto& v : result) 
        {
            imshow(v.first, v.second);
        }
        waitKey(0);
    }
​
    //查找轮廓
    void FindOutLine() 
    {
        threshold(result["Gray"], result["Binary"], 125, 255, THRESH_BINARY);
        findContours(result["Binary"], contours, hierarchy, RETR_CCOMP, CHAIN_APPROX_SIMPLE);
    }
    //着色
    void DrawOutLine() 
    {
        result["OutLine"] = Mat::zeros(result["Binary"].size(), CV_8UC3);
        for (int i = 0; i < contours.size(); i++) 
        {
            Scalar color = Scalar(0, 255, 0);
            //drawContours(result["OutLine"], contours, i, color, 1, 8, hierarchy);
            drawContours(result["OutLine"], contours, i, color);
        }
    }
private:
    Mat img;
    map result;
    vector> contours;
    vector hierarchy;
};
​
int main() 
{
    OutLine* p = new OutLine;
    p->FindOutLine();
    p->DrawOutLine();
    p->Show();
    return 0;
}

二、图像凸包操作

凸包

        凸包指如果在集合A内连接任意两个点的直线段都在A的内部，则称集合A是凸形的。

        简单点理解，就是一个多边型，没有凹的地方。凸包(凸壳)能包含点集中所有的点，凸包检测常应用在物体识别、手势识别及边界检测等领域。一个轮廓可以有无数个包围它的外壳，而其中表面积最小的一个外壳，就是凸包。

凸包绘制步骤

• 图像灰度处理

• 灰度图二值化处理

• 轮廓检测得到候选点

• 凸包API调用，筛选可用点

• 绘制显示

API介绍

void convexHull( InputArray points, OutputArray hull,bool clockwise = false, bool returnPoints = true );
/*******************************************************************
*           points:             轮廓点集                
*           hull:               凸包点集输出  
*           clockwise:          凸包方向的标志位
*                                   true:顺时针方向
*                                   false:逆时针
*           returnPoints:       返回点个数
*********************************************************************/

综合代码

注意：

        ①在做二值化处理之前，建议先用blur函数进行模糊处理(为了降噪)-->再去二值化处理效果会更好

        ②在画关键点和凸包处是一个重点。

 hull[(j+1)%count]随着j不断循环，最后一个点以及j+1取余之后会回到第一个点,实现闭环，完成凸包的绘制。

        ③ 绘制凸包前，需要得到外部轮廓的关键点，需要使用findContour函数去找并进行相应的存储

 #include 
#include 
#include 
#include 
#include 
using namespace std;
using namespace cv;
class ConvexHull 
{
public:
    ConvexHull() :img(imread("hand.jpg")) 
    {
        result["img"] = img;
    }
    void TestConvexHull()
    {
        //图像灰度处理
        cvtColor(result["img"], result["Gray"], COLOR_BGR2GRAY);
        //灰度图二值化处理
        blur(result["Gray"], result["Gray"], Size(3, 3));
        threshold(result["Gray"], result["Binary"], 240, 255, THRESH_BINARY_INV);
        //轮廓检测得到候选点
        vector> contours;
        vector hierarchy;
        findContours(result["Binary"], contours, hierarchy, RETR_EXTERNAL,CHAIN_APPROX_SIMPLE);
        //凸包API调用，筛选可用点
        //绘制显示
        for (int i = 0; i < contours.size(); i++) 
        {
            vector hull;
            convexHull(contours[i], hull);
            //bool isOk = isContourConvex(contours[i]);  //判断当前点是否为有效点
            int count = hull.size();
            for (int j = 0; j < count; j++) 
            {
                circle(img, hull[j], 5, Scalar(0, 0, 255));
                line(img, hull[j % count], hull[(j + 1) % count], Scalar(255, 0, 0), 2);
            }
        }
    }
    void Show() 
    {
        for (auto& v : result) 
        {
            imshow(v.first, v.second);
        }
        waitKey(0);
    }
private:
    Mat img;
    map result;
};
​
int main() 
{
    ConvexHull* p = new ConvexHull;
    p->TestConvexHull();
    p->Show();
    return 0;
}