opencv查找轮廓算法原理

寻找轮廓原理 c++实现在 OpenCV 中，寻找轮廓是一种常见的图像处理操作，可通过 C++ 来实现。

以下是一个基本的 OpenCV C++ 实现寻找图像轮廓的示例：#include <opencv2/opencv.hpp>int main() {// 读取图像cv::Mat image = cv::imread("input_image.jpg");// 将图像转换为灰度图cv::Mat grayImage;cv::cvtColor(image, grayImage, cv::COLOR_BGR2GRAY);// 对灰度图进行阈值处理cv::Mat thresholdImage;cv::threshold(grayImage, thresholdImage, 128, 255, cv::THRESH_BINARY);// 寻找图像轮廓std::vector<std::vector<cv::Point>> contours;std::vector<cv::Vec4i> hierarchy;cv::findContours(thresholdImage, contours, hierarchy, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_SIMPLE);// 在原始图像上绘制轮廓cv::Mat contourImage = image.clone();cv::drawContours(contourImage, contours, -1, cv::Scalar(0, 255, 0), 2);// 显示结果cv::imshow("Original Image", image);cv::imshow("Contours", contourImage);cv::waitKey(0);return 0;}这段代码使用 OpenCV 库来寻找图像中的轮廓，并在原始图像上绘制出找到的轮廓。

opencv：轮廓提取；⼀般轮廓提取是通过对图像的梯度进⾏卷积计算，得到图像边缘(滤波），常⽤的边缘检测⽅法有candy、sobel、 Laplacian等，再对⼆值化后的边缘图像进⾏轮廓计算；1、Candy算⼦；cv::cvtColor(img, grayImg, cv::COLOR_RGB2GRAY);cv::blur(grayImg, tempImage, cv::Size(3,3));//先⽤均值滤波器进⾏平滑去噪cv::Canny(tempImage, binaryImg, threshod,threshod * 3);candy算⼦计算得到的是⼆值图像；2、sobel算⼦；cv::Mat tpImg,temp1,temp2,dstImg;cv::Sobel(img, tpImg, CV_16S, 1, 0,(2* kernelSize+1),1,1,cv::BORDER_DEFAULT);//求x⽅向梯度cv::convertScaleAbs(tpImg, temp1);//计算绝对值，并将结果转换成8位cv::Sobel(img, tempImage, CV_16S, 0, 1,(2*kernelSize+1),1,1,cv::BORDER_DEFAULT);//求y⽅向梯度cv::convertScaleAbs(tempImage, temp2);//计算绝对值，并将结果转换成8位addWeighted(temp1, 0.5, temp2, 0.5, 0, dstImg);//进⾏轮廓检测；cv::cvtColor(dstImg,grayImg,cv::COLOR_RGB2GRAY);cv::threshold(grayImg,binaryImg,0,255,cv::THRESH_BINARY | cv::THRESH_OTSU);3、Laplacian算⼦；cv::Mat temp1,temp2,dstImg;cv::GaussianBlur(img, temp1, cv::Size(3,3), 0,0,cv::BORDER_DEFAULT);//⾼斯滤波消除噪声cv::cvtColor(temp1, grayImg, cv::COLOR_RGB2GRAY);cv::Laplacian(grayImg, temp2, CV_16S,(kernelSize*2+1),1,0,cv::BORDER_DEFAULT);convertScaleAbs(temp2, dstImg);cv::threshold(dstImg,binaryImg,0,255,cv::THRESH_BINARY | cv::THRESH_OTSU);轮廓提取：opencv提供了findContours函数来提取⼆值图的轮廓，利⽤drawContours能够标记提取得到的轮廓；findContours:C++: void findContours(InputOutputArray image, OutputArrayOfArrays contours, OutputArray hierarchy, int mode, int method, Point offset=Point())C++: void findContours(InputOutputArray image, OutputArrayOfArrays contours, int mode, int method, Point offset=Point())¶drawContours:C++: void drawContours(InputOutputArray image, InputArrayOfArrays contours, int contourIdx, const Scalar& color, int thickness=1, int lineType=8, InputArray hierarchy=noArray(), int maxLevel=INT_MAX, Point offset=Point() ) 注：此博⽂为扩展型；。

轮廓查找原理
轮廓查找的原理主要基于轮廓跟踪。

其基本步骤如下：
1. 定位起始像素点。

在图像中找到一个起始像素点，可以是黑色像素点。

2. 寻找下一个边界点。

通过搜寻4连通域或8连通域，找到与当前像素点
值相同的连着的另一个像素点，作为下一个边界点。

3. 重复以上过程。

按照同样的方法继续寻找下一个边界点，直到起始像素点被第二次访问。

4. 提取轮廓。

在遍历过程中，所有经过的黑色像素点就构成了目标的边界，即轮廓。

需要注意的是，在进行轮廓查找之前，通常需要将图像进行二值化处理，即将图像转换为只包含黑白二色的形式，这是后续处理的前提和基础。

此外，还可以通过设置阈值、使用掩膜卷积过滤或Canny边缘检测等方法来实现
图像的二值化。

以上内容仅供参考，如需了解更多信息，建议查阅相关书籍或咨询专业人士。

OpenCV学习之路（十）轮廓的一些操作contours返回值详解轮廓类似详解在findContours()函数中，我们一共返回了三个参数：image，contours，hierarchy。

其中image代表的是修改之后的原图，contours代表的是轮廓，hierarchy代表的是轮廓的层次结构。

我们主要来讨论一下第二个返回值：contours。

以及轮廓可以进行的一些操作。

contourscontours代表的是找到的轮廓，它是一个numpy中的列表结构，那么接下来就让我们探究一下这个列表究竟是怎么存储轮廓的。

import numpy as npimport cv2img=cv2.imread('D://zopencv//contours.png')imgcopy=img.copy()imgray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)ret,img_thre=cv2.threshold(imgray,127,255,cv2.THRESH_BIN ARY)image,contours,hierarchy=cv2.findContours(img_thre,cv2.RE TR_TREE,cv2.CHAIN_APPROX_NONE)mask1=cv2.drawContours(imgcopy,contours,-1,(0,0,255),2)cv2.imshow('mask1',mask1)cv2.waitKey(0)cv2.destroyAllWindows()之前我们已经讨论过了，drawContours()函数的第三个参数是轮廓的索引，如果我们定为-1就会把所有轮廓画出。

那你有没有想过，他既然是索引，我们是不是可以一个一个轮廓的画出来。

我们将索引定为0：mask1=cv2.drawContours(imgcopy,contours,0,(0,0,255),2)只有正方形的轮廓被画了出来，也就是说，正方形的轮廓在轮廓列表contours中的索引是0.同理，我们可以把索引分别设置成1,2。