一.圖像識別API

1.圖像識別作用

????????它常用于視覺任務、目標檢測、圖像分割等等。在 OPENCV 中通常使用 Canny
函數、findContours 函數、drawContours 函數結合在一起去做輪廓的形檢測。

2.常用的API?

• findContours 函數：用于尋找圖片的輪廓，并把所有的數據存儲在向量里面? ? ? ? ? ? ? ? ? ??

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

第一個參數：image 輸入的二值圖像，這個圖像通常是用在邊緣檢測、閾值處理等等
第二個參數：contours 輸出的輪廓集合，每一個輪廓都是由點組成，通常用vector<vector<Point>>來表示

第三個參數：hierarchy 輸出的輪廓層次結構，這通常表示輪廓之間的父子關系，這個是可選參數，通常用 vector<Vec4i> hierarchy來表示。比方說，第 i 個輪廓，hierarchy[i][0]、hierarchy[i][1]、hierarchy[i][2]、hierarchy[i][3], 依次為第 i 個輪廓[Next、Pervious、First_Child，Parent], 這表示的是相同等級下的下一輪廓、前一輪廓，第一個子輪廓和父輪廓的索引號。若輪廓 i 沒有下一個，前一個或者父級輪廓，則層次相應的元素是負數。如下圖：

第四個參數：mode 輪廓檢索模式，通常有以下選項，分別是：RETR_EXTERNAL(只檢測最外層輪廓)、RETR_LIST(檢測所有輪廓，包括內圍、外圍輪廓，但都是同等級的)、RETR_CCOMP(檢測所有輪廓，但是所有的輪廓只建立兩個等級關系，一個外層，一個內層(不管內層有多少個，都屬于內層))、RETR_TREE(檢測所有輪廓并建立輪廓樹，這個模式下外圍輪廓包含內層輪廓，內層還可以繼續嵌套)。

第 五 個 參 數 ： method 輪 廓 近 似 方 法 ， 通 常 有 以 下 的 幾 種 方 法 ， 分 別 是 CHAIN_APPROX_NONE( 存 儲 所 有 頂 點 ) 、CHAIN_APPROX_SIMPLE(僅存儲輪廓的拐點信息，并把所有輪廓拐點處的點保存到向量里面)、CHAIN_APPROX_TC89_L1(使用TEH_CHAIN 近似算法)。
第六個參數：offset 輪廓點偏移量，默認(0,0)

• drawContours 函數：用于繪制圖像的輪廓，配合findContours 函數使用，用findContours 函數獲取輪廓，用drawContours 函數畫輪廓。

?????????CV_EXPORTS_W 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() );

第一個參數：image 輸出圖像，即繪制輪廓后的圖像
第二個參數：contours 輪廓的集合，它是由一系列的點組成
第三個參數：contourIdx、輪廓索引數組，指定要繪制哪些輪廓
第四個參數：contourColor，輪廓顏色，使用 Scalar 類型表示
第五個參數：thickness，輪廓線寬，默認 1
第六個參數：lineType ，輪廓線類型，默認為 LINE_8

第七個參數：hierarchy ，輪廓層次結構，用于繪制輪廓的父子關系。默認為 noArray()
第八個參數：maxLevel ，表示繪制輪廓的最大層級數量。若 maxLevel 為 0，則只繪制指定的輪廓；若 maxLevel 為 1，則繪制輪廓極其所有嵌套輪廓；若 maxLevel 為 2，則繪制輪廓、所有嵌套輪廓、所有嵌套到嵌套的輪廓。
第九個參數：輪廓點的偏移量，默認為(0,0)?

• Canny 函數：用于邊緣檢測計算。效果如下：

? ? ? ? ?工作原理：就是一系類數學處理方法。高斯濾波(將圖像轉換為灰度圖像，高斯濾波作用是平滑圖像，讓 Canny 檢測的時候準確率更高)、梯度強度和方向的計算(計算圖像中每個像素的強度和方向、強度表示像素點的邊緣強度、梯度表示的是邊緣方向這里的梯度需要用到 sobel 因子)、非極大抑制(經過 NMS 操作后，會除去一些不是邊緣的像素點)、雙閾值處理(給出一個閾值，若超過這個閾值的邊緣則會被保留)、邊緣鏈接(經過雙閾值處理過后，強邊緣則會留下來，弱邊緣則會被抑制，并會把所有的強邊緣全部連接起來)。

?????????工作原理白話文：把3通道圖片(也就是彩色圖片)轉化成雙通道圖片(也就是灰色圖像)，然后用高斯濾波去除細小雜物讓它更好識別輪廓；梯度強度和方向的計算，就是不同程度掃描輪廓，掃描很多輪廓；非極大抑制，去除邊邊角角不是邊緣的像素點；雙閾值處理，就是在之前掃描不同程度輪廓上設置兩個閾值（Max,Min），大于Max值被認為是輪廓保留下來，小于Min被認為不是輪廓去除掉，在兩值中間的是邊緣保留，不是去掉；邊緣鏈接，就是一個完整輪廓。

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

第一個參數：image 輸入的圖像，這個圖像一定要單通道灰度圖
第二個參數：edges 輸出的邊緣圖像，這個圖像也必須是單通道黑白圖
第三個參數：threshold1 第一個滯后性閾值，低閾值，小于低閾值則認為是弱邊緣，就是需要拋棄的邊緣。
第四個參數：threshold2 第二個滯后性閾值，高閾值，大于高閾值被認為強邊緣，需要保留的邊緣
第五個參數：apertureSize 指的是 Sobel 算子大小，這個值默認為 3，代表的是 3*3 的矩陣大小。
第六個參數：L2gradient 是計算圖像梯度幅度值的情況，這個值默認為 False；若選擇 True，則使用更精確的 L2 范數進行計算

二. 代碼實戰掃描物體輪廓

1.掃描輪廓步驟

????????分別是 imread 讀取圖片(這個圖片默認是 3 通道)、利用 cvtColor 把 8VU3 的三通道圖片轉換成灰度圖(8VU1)、調用 Canny 對灰度圖像進行邊緣檢測、調用 findContours 去查找輪廓、循環輪廓數量然后調用 drawContours 進行畫框操作。

2.代碼

#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()
{//讀取圖片Mat img = imread("zjl.jpg");//彩色圖片轉化灰度圖片Mat imgGray;cvtColor(img, imgGray, COLOR_RGB2GRAY);//灰度圖片邊緣檢測輪廓Mat imgCanny;Canny(imgGray, imgCanny, 25, 75); //Canny對圖像進行邊緣檢測，弱閾值25，強閾值75//查詢輪廓vector<vector<Point>> contours; //定義輪廓vector<Vec4i> hierarchy; //定義層次結構findContours(imgCanny, contours, hierarchy, RETR_EXTERNAL, CHAIN_APPROX_NONE); //查詢輪廓，RETR_EXTERNAL表示只檢測外部輪廓，CHAIN_APPROX_NONE表示存儲所有的輪廓點//繪制輪廓Mat drawing = Mat::zeros(imgCanny.size(), CV_8UC3);//創建一個空白圖像，用于繪制輪廓for (int i = 0; i < contours.size(); i++)   //遍歷所有輪廓{Scalar color = Scalar(255, 255, 0); //隨機生成顏色drawContours(drawing, contours, i, color, 1, 8, hierarchy); //對圖像輪廓進行畫框}//顯示圖像imwrite("zjl1.jpg", drawing);return 0;
}

3.效果