目錄
1、輪廓的定義
輪廓是構成任何一個形狀的邊界或外形線。
2、如何在圖像中找到輪廓
利用OpenCV提供的方法cvFindContours（）可以很方便的查找輪廓。cvFindContours()方法從二值圖像中尋找輪廓。
因此此方法處理的圖像可以是從cvCanny（）函數得到的有邊緣像素的圖像，或者從cvThreshold（）及cvAdaptiveThreshold（）得到的圖像，這時的邊緣是正和負區域之間的邊界。
opencv自帶的查找輪廓函數:findContours()
參數講解：
【1】檢測輪廓
//定義輪廓和層次結構
vector<vector<Point>> contours; //每個輪廓存儲爲一個點向量
vector<Vec4i>hierarchy; // Vec4i
findContours(srcImage,
contours, //輪廓數組
hierarchy,
RETR_EXTERNAL, //獲取外輪廓
CHAIN_APPROX_NONE //獲取每個輪廓中的每個像素
);
3、輪廓的表達方式
1.頂點的序列
序列是內存存儲器中可以存儲的一種對象。序列是某種結構的鏈表。序列在內存中被實現爲一個雙端隊列，因此序列可以實習快速的隨機訪問，以及快速刪除頂端的元素，但是從中間刪除元素則稍慢些。
用多個頂點（或各點間的線段）來表達輪廓。假設要表達一個從(0,0)到(2,2)的矩形，
（1）如果用點來表示，那麼依次存儲的可能是：(0,0),(1,0),(2,0),(2,1),(2,2),(1,2),(0,2),(0,1)；
（2）如果用點間的線段來表達輪廓，那麼依次存儲的可能是：(0,0),(2,0),(2,2),(0,2)。
2.Freeman鏈碼
Freeman鏈碼需要一個起點，以及從起點出發的一系列位移。每個位移有8個方向，從0～7分別指向從正北開始的8個方向。假設要用Freeman鏈碼錶達從(0,0)到(2,2)的矩形，可能的表示方法是：起點(0,0),方向鏈2,2,4,4,6,6,0,0。
4、輪廓之間的組織方式
在查找到輪廓之後，不同輪廓是怎麼組織的呢？根據不同的選擇，它們可能是：（1）列表；（2）雙層結構；（3）樹型結構。
從縱向上來看，列表只有一層，雙層結構有一或者兩層，樹型結構可能有一層或者多層。
如果要遍歷所有的輪廓，可以使用遞歸的方式。
5、輪廓的特點（這部分可以展開來詳細探討，這裏不做過多解釋）
1.輪廓的多邊形逼近
輪廓的多邊形逼近指的是：使用多邊形來近似表示一個輪廓。
多邊形逼近的目的是爲了減少輪廓的頂點數目。
多邊形逼近的結果依然是一個輪廓，只是這個輪廓相對要粗曠一些。 可以使用方法cvApproxPoly()2.輪廓的關鍵點
輪廓的關鍵點是：輪廓上包含曲線信息比較多的點。關鍵點是輪廓頂點的子集。
可以使用cvFindDominantPoints函數來獲取輪廓上的關鍵點，該函數返回的結果一個包含 關鍵點在輪廓頂點中索引 的序列。再次強調：是索引，不是具體的點。如果要得到關鍵點的具體座標，可以用索引到輪廓上去找。
3.輪廓的周長和麪積
輪廓的周長可以用cvContourPerimeter或者cvArcLength函數來獲取。
輪廓的面積可以用cvContourArea函數來獲取。4.輪廓的邊界框
有三種常見的邊界框：矩形、圓形、橢圓。
（1）矩形：在圖像處理系統中提供了一種叫Rectangle的矩形，不過它只能表達邊垂直或水平的特例；OpenCv中還有一種叫Box的矩形，它跟數學上的矩形一致，只要4個角是直角即可。
如果要獲取輪廓的Rectangle，可以使用cvBoundingRect函數。
如果要獲取輪廓的Box，可以使用cvMinAreaRect2函數。
（2）圓形
如果要獲取輪廓的圓形邊界框，可以使用cvMinEnclosingCircle函數。
（3）橢圓
如果要獲取輪廓的橢圓邊界框，可以使用cvFitEllipse2函數。
5.輪廓的矩
矩是通過對輪廓上所有點進行積分運算（或者認爲是求和運算）而得到的一個粗略特徵。
1空間矩
空間矩的實質爲面積或者質量。可以通過一階矩計算質心/重心。
重心：
2中心矩
中心矩體現的是圖像強度的最大和最小方向（中心矩可以構建圖像的協方差矩陣），其只具有平移不變性，所以用中心矩做匹配效果不會很好。
3歸一化的中心矩
歸一化後具有尺度不變性。
4Hu矩
6.輪廓的輪廓樹
輪廓樹用來描述某個特定輪廓的內部特徵。注意：輪廓樹跟輪廓是一一對應的關係；輪廓樹不用於描述多個輪廓之間的層次關係。
輪廓樹的創建過程：
從一個輪廓創建一個輪廓樹是從底端（葉子節點）到頂端（根節點）的。首先搜索三角形突出或者凹陷的形狀的周邊（輪廓上的每一個點都不是完全和它的相鄰點共線的）每個這樣的三角形被一條線段代替，這條線段通過連接非相鄰點的兩點得到；因此實際上三角形或者被削平或者被填滿。每個這樣的替換都把輪廓的頂點減少，並且給輪廓樹創建一個新節點。如果這樣的一個三角形的兩側有原始邊，那麼她就是得到的輪廓樹的葉子；如果一側已是一個三角形，那麼它就是那個三角形的父節點。這個過程的迭代最終把物體的外形簡稱一個四邊形，這個四邊形也被剖開；得到的兩個三角形是根節點的兩個子節點。
結果的二分樹最終將原始輪廓的形狀性比編碼。每個節點被它所對應的三角形的信息所註釋。
這樣建立的輪廓樹並不太魯棒，因爲輪廓上小的改變也可能會徹底改變結果的樹，同時最初的三角形是任意選取的。爲了得到較好的描述需要首先使用函數cvApproxPoly（）之後將輪廓排列（運用循環移動）成最初的三角形不怎麼收到旋轉影響的狀態。
可以用函數cvCreateContourTree來構造輪廓樹。
7.輪廓的凸包和凸缺陷
這塊內容會在後續詳細探討。
8.輪廓的成對幾何直方圖
成對幾何直方圖（pairwise geometrical histogram PGH）是鏈碼編碼直方圖（chain code histogram CCH）的一個擴展或者延伸。CCH是一種直方圖，用來統計一個輪廓的Freeman鏈碼編碼每一種走法的數字。這種直方圖的一個優良性質爲當物體旋轉45度，那麼新直方圖是老直方圖的循環平移。這樣就可以不受旋轉影響。
（1）輪廓保存的是一系列的頂點，輪廓是由一系列線段組成的多邊形。對於看起來光滑的輪廓（例如圓），只是線段條數比較多，線段長度比較短而已。實際上，電腦中顯示的任何曲線都由線段組成。
（2）每兩條線段之間都有一定的關係，包括它們（或者它們的延長線）之間的夾角，兩條線段的夾角範圍是：(0,180)。
（3）每兩條線段上的點之間還有距離關係，包括最短（小）距離、最遠（大）距離，以及平均距離。最大距離我用了一個偷懶的計算方法，我把輪廓外界矩形的對角線長度看作了最大距離。
（4）成對幾何直方圖所用的統計數據包括了夾角和距離。
6、輪廓的匹配
1.Hu矩匹配
輪廓的Hu矩對包括縮放、旋轉和鏡像映射在內的變化具有不變性。cvMatchShapes函數可以很方便的實現對2個輪廓間的匹配。
2.輪廓樹匹配
用樹的形式比較兩個輪廓。cvMatchContourTrees函數實現了輪廓樹的對比。
3.成對幾何直方圖匹配
在得到輪廓的成對幾何直方圖之後，可以使用直方圖對比的方法來進行匹配。
7、繪製輪廓drawContours()
輪廓的繪製比較簡單，用上面提到的方法取得輪廓的所有點，然後把這些點連接成一個多邊形即可。
使用函數drawContours()，更加方便。
使用例子：
//【2】繪製輪廓
//遍歷所有頂層的輪廓，用不同的顏色繪製出來
int index = 0;
for (; index >= 0; index = hierarchy[index][0])
{
Scalar color(rand() & 255,rand() & 255,rand() & 255); //隨機數
drawContours(dstImage, //outputImage
contours, //輪廓信息
index, //當前輪廓的索引值
color, //輪廓顏色
FILLED, //繪製在輪廓內部
8, //8連通線型
hierarchy); //輪廓間的層次信息
}
8、例子
動態檢測圖形的輪廓
步驟
【1】讀取原圖，轉爲灰度圖並高斯模糊
【2】canny檢測圖像邊緣（滑動條控制閾值）
【3】對canny算子掃描後的圖像進行查找輪廓
【4】繪製輪廓
理解
Canny之類的邊緣檢測算法可以根據像素間的差異檢測出輪廓邊界的像素，但是它並沒有將輪廓作爲一個整體。
對canny掃描後的圖像查找輪廓是一種較好的選擇。
#include <opencv2/opencv.hpp>
#include <iostream>
#include "windows.h"
#include <stdio.h>
#define WINDOW_NAME "【程序窗口】" //爲窗口標題定義的宏
using namespace cv;
using namespace std;
//===========================動態檢測圖形的輪廓====================
//=================全局變量聲明=================
Mat g_srcImage;
Mat g_grayImage;
int g_nThresh = 80;
int g_nThresh_max = 255;
RNG g_rng(12345);
Mat g_cannyMat_output;
vector<vector<Point>> g_vContours;
vector<Vec4i> g_vHierarchy;
//=============全局函數聲明===============
void on_ThreshChange(int,void*);
int main()
{
// Read image 讀取圖像
SetConsoleTextAttribute(GetStdHandle(STD_OUTPUT_HANDLE), FOREGROUND_INTENSITY | FOREGROUND_GREEN); //字體爲綠色
//載入原圖
g_srcImage = imread("D:\\opencv_picture_test\\lena.jpg",1);
//Mat srcImage = imread("D:\\opencv_picture_test\\形態學操作\\孔洞.png", 0); //讀取灰度圖
//轉換成灰度並且模糊化降噪
cvtColor(g_srcImage, g_grayImage, COLOR_BGR2GRAY);
blur(g_grayImage, g_grayImage, Size(3, 3));
//創建窗口
namedWindow("原始圖窗口", WINDOW_AUTOSIZE);
imshow("原始圖窗口", g_srcImage);
//創建滑動條並初始化
createTrackbar("canny 閾值", "原始圖窗口", &g_nThresh,
g_nThresh_max, on_ThreshChange);
on_ThreshChange(0,0);
waitKey(0);
return 0;
}
void on_ThreshChange(int, void*)
{
//用Canny算子檢測邊緣
Canny(g_grayImage, g_cannyMat_output, g_nThresh, g_nThresh * 2, 3);
//尋找輪廓.
findContours(g_cannyMat_output, g_vContours, g_vHierarchy,
RETR_TREE, CHAIN_APPROX_SIMPLE, Point(0, 0));
//繪出輪廓
Mat drawing = Mat::zeros(g_cannyMat_output.size(), CV_8UC3);
for (int i = 0; i < g_vContours.size(); i++)
{
Scalar color = Scalar(g_rng.uniform(0, 255),
g_rng.uniform(0, 255), g_rng.uniform(0, 255));//任意值
drawContours(drawing, g_vContours, i, color, 2, 8, g_vHierarchy,
0, Point());
}
//顯示效果圖
imshow("輪廓圖",drawing);
}
演示效果
