轮廓是图像中表示边界的一系列点的集合。
虽然边缘检测算法可以根据像素间的差异检查出轮廓边界的像素,但是它并没有把轮廓做为一个整体表示出来。所以下一步工作是把这些边缘检测出来的像素组装成轮廓。
openCV中可以用findContours()函数来从二值图像中提取轮廓。
openCV中一般用序列来存储轮廓信息。序列中的每一个元素是曲线中一个点的位置。
函数findContours()从二值图像中寻找轮廓。findContours()处理的图像可以是Canny()后得到的有边缘像素的的图像,也可以是Threshold()后得到的图像,这时的边缘是正负区域之间的边界。
在介绍函数原型之前,我们还需要简单了解下轮廓树的概念。openCV允许得到的轮廓被聚合成一个轮廓树,从而把包含的关系编码到轮廓树中。轮廓中直接包含的轮廓成为了它们的子节点。以此类推。
OpenCV3.0中的函数原型如下:
void findContours(InputOutArray image, OutputArrayOfArrays contours, OutputArray hierarchy, int mode, int method, Point offset = Point())
- 第一个参数,InputOutArray类型的image,源图像,应为8位单通道的Mat类型。图像的非零像素被认为是1,0像素被保留为0。此函数会在提取图线轮廓的同时修改图像的内容。
- 第二个参数,OutputArrayOfArrays类型的contours。函数调用后的运算结果保存在这里,即为检测到的轮廓,每一个轮廓存储为一个点向量,即用Point类型的vector表示。
- 第三个参数,OutputArray类型的hierarchy,可选的输出向量,包含图像的拓扑信息。其作为轮廓数量的表示,包含了许多元素。每个轮廓contours[i]对应4个hierarchy元素hierarchy[i][0]~hierarchy[i][3],分别表示后一个轮廓、前一个轮廓、父轮廓、内嵌轮廓的索引编号。如果没有对应的项,该hierarchy[i]值对应的设为负数。
- 第四个参数,int类型的mode,轮廓检索模式。
RETR_EXTERNAL - 只提取最外层的轮廓 。对于所有轮廓设置hierarchy[i][2] = hierarchy[i][3] = -1。
RETR_LIST - 提取所有轮廓,并且放置在 list 中
RETR_CCOMP - 提取所有轮廓,并且将其组织为两层的 hierarchy: 顶层为连通域的外围边界,次层为洞的内层边界。
RETR_TREE - 提取所有轮廓,并且重构嵌套轮廓的全部 hierarchy
- 第五个参数,int类型的method,轮廓逼近的方法。
CHAIN_APPROX_NONE - 将所有点由链码形式翻译(转化)为点序列形式
CHAIN_APPROX_SIMPLE - 压缩水平、垂直和对角分割,即函数只保留末端的象素点;
CHAIN_APPROX_TC89_L1, CHAIN_APPROX_TC89_KCOS - 应用 Teh-Chin 链逼近算法。
- 第六个参数,Point类型的offset,每个轮廓点的可选偏移量,有默认值Point()。当轮廓是从图像 ROI 中提取出来的时候,这个参数就可以排上用场了,因为可以从整个图像上下文来对轮廓做分析。
eg。
Mat srcImage = imread("M:/图像处理实验/轮廓提取/test-1.bmp",1); cvtColor(srcImage, srcImage, COLOR_BGR2GRAY); adaptiveThreshold(srcImage,srcImage,255,ADAPTIVE_THRESH_GAUSSIAN_C,THRESH_BINARY, 35, 10); Mat result = Mat::zeros(srcImage.size(), CV_8UC3); srcImage.copyTo(result); Canny(srcImage,srcImage,3,6,3); vector<vector<Point> > contours; vector<Vec4i> hierarchy; findContours(srcImage, contours, hierarchy, CV_RETR_TREE, CHAIN_APPROX_SIMPLE); int areaMin = srcImage.cols * srcImage.rows; for (int i = 0; i < contours.size(); i++ ){ double area = contourArea(((contours)._Myfirst)[i]); if (area > srcImage.rows * srcImage.cols/3){ //选取满足条件的最小的面积。认为改轮廓为答题卡的边框。 if (areaMin > area){ areaMin = area; }else{ continue; } double area = contourArea(((contours)._Myfirst)[i]); Scalar color(rand() & 255, rand() & 255, rand() & 255); drawContours(result, contours, i, color, CV_FILLED, 8, hierarchy, 0, Point()); } } imwrite("M:/图像处理实验/轮廓提取/test-1-result.bmp", result);
以下为原图及轮廓提取后的结果:
EmguCV3.0中的函数原型如下:
Public Shared Sub FindContours(image As Emgu.CV.IInputOutputArray, contours As Emgu.CV.IOutputArray, hierarchy As Emgu.CV.IOutputArray, mode As Emgu.CV.CvEnum.RetrType, method As Emgu.CV.CvEnum.ChainApproxMethod, Optional offset As System.Drawing.Point = Nothing)
- 第一个参数,Emgu.CV.IInputOutputArray类型的image,源图像。图像的非零像素被认为是1,0像素被保留为0。此函数会在提取图线轮廓的同时修改图像的内容。
- 第二个参数,Emgu.CV.IOutputArray类型的contours。函数调用后的运算结果保存在这里,即为检测到的轮廓,每一个轮廓存储为一个点向量,即用Point类型的vector表示。
- 第三个参数,Emgu.CV.IOutputArray类型的hierarchy,可选的输出向量,包含图像的拓扑信息。
- 第四个参数,Emgu.CV.CvEnum.RetrType类型的mode,轮廓检索模式。
Emgu.CV.CvEnum.RetrType.External- 只提取最外层的轮廓 。
Emgu.CV.CvEnum.RetrType.List- 提取所有轮廓,并且放置在 list 中
Emgu.CV.CvEnum.RetrType.Ccomp - 提取所有轮廓,并且将其组织为两层的 hierarchy: 顶层为连通域的外围边界,次层为洞的内层边界。
Emgu.CV.CvEnum.RetrType.Tree- 提取所有轮廓,并且重构嵌套轮廓的全部 hierarchy
- 第五个参数,Emgu.CV.CvEnum.ChainApproxMethod类型的method,轮廓逼近的方法。
Emgu.CV.CvEnum.ChainApproxMethod.ChainApproxNone- 将所有点由链码形式翻译(转化)为点序列形式
Emgu.CV.CvEnum.ChainApproxMethod.ChainApproxSimple- 压缩水平、垂直和对角分割,即函数只保留末端的象素点;
Emgu.CV.CvEnum.ChainApproxMethod.ChainApproxTC89L1, Emgu.CV.CvEnum.ChainApproxMethod.ChainApproxTC89KCOS - 应用 Teh-Chin 链逼近算法。
- 第六个参数,Point类型的offset,每个轮廓点的可选偏移量,有默认值。当轮廓是从图像 ROI 中提取出来的时候,这个参数就可以排上用场了,因为可以从整个图像上下文来对轮廓做分析。
eg。
Dim bkGrayWhite As New Gray(255) Dim img As Image(Of Gray, Byte) = New Image(Of Gray, Byte)("M:\图像处理实验\轮廓提取\test-2.bmp") Dim img_threshold As Image(Of Gray, Byte) = New Image(Of Gray, Byte)(img.Width, img.Height, bkGrayWhite) Dim imgresult As Image(Of Rgb, Byte) = New Image(Of Rgb, Byte)(img.Width, img.Height, New Rgb(255, 255, 255)) img.CopyTo(img_threshold) CvInvoke.AdaptiveThreshold(img_threshold, img, 255, CvEnum.AdaptiveThresholdType.MeanC, CvEnum.ThresholdType.Binary, 35, 10) Dim imgCanny As Image(Of Gray, Byte) = New Image(Of Gray, Byte)(img.Width, img.Height, bkGrayWhite) CvInvoke.Canny(img, imgCanny, 25, 25 * 2, 3) Dim contours As Emgu.CV.Util.VectorOfVectorOfPoint = New Emgu.CV.Util.VectorOfVectorOfPoint() Dim hierarchy As Emgu.CV.IOutputArray = New Image(Of Gray, Byte)(img.Width, img.Height, bkGrayWhite) CvInvoke.FindContours(imgCanny, contours, hierarchy, Emgu.CV.CvEnum.RetrType.External, Emgu.CV.CvEnum.ChainApproxMethod.ChainApproxSimple ) Dim areaMax As Integer = img.Width * img.Height For i = 0 To contours.Size - 1 Dim area As Integer = CvInvoke.ContourArea(contours(i)) ‘筛选轮廓面积大于三分之一整体图片面积的轮廓 If area < areaMax / 3 Then Continue For End If CvInvoke.DrawContours(imgresult, contours, i, New MCvScalar(0, 0, 0), 2, CvEnum.LineType.EightConnected, hierarchy, 2147483647) Next imgresult.Save("M:\图像处理实验\轮廓提取\test-2-result.bmp")