21.OpenCV獲取圖像輪廓信息

OpenCV獲取圖像輪廓信息

在計算機視覺領域，識別和分析圖像中的對象形狀是一項基本任務。OpenCV 庫提供了一個強大的工具——輪廓檢測（Contour Detection），它能夠幫助我們精確地定位對象的邊界。這篇博文將帶你入門 OpenCV 的輪廓檢測，理解其原理，并學會如何在 C++ 中使用它。

1.什么是輪廓？

簡單來說，輪廓可以看作是一條連接所有具有相同顏色或灰度值的連續點（沿著邊界）的曲線。

更準確地說，輪廓是圖像中強度或顏色發生顯著變化的區域的邊界。在 OpenCV 中，輪廓檢測通常作用于二值圖像（只有黑色和白色像素的圖像）。算法會尋找白色（或非零）區域的邊界，并將這些邊界表示為一系列點的坐標。

通過檢測輪廓，我們可以實現目標分割、形狀分析、物體計數、特征提取及對象檢測和識別等任務。

輪廓介紹

如上圖1,2,3 輪廓還有層次，有最外的輪廓1依次往里包括2,3輪廓。

2. OpenCV 輪廓檢測函數

2.1 findContours 函數

findContours 是 OpenCV 中最常用的輪廓檢測函數，其函數原型如下：

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

image：輸入的二值圖像（非零值表示前景）。
contours：輸出輪廓，存儲為 std::vector<std::vector<Point>>。
hierarchy：輸出輪廓的層級信息，描述輪廓之間的嵌套關系。
mode：輪廓檢索模式，如 RETR_EXTERNAL（只檢測最外層輪廓）、RETR_LIST（檢測所有輪廓但不建立層級關系）、RETR_TREE（檢測所有輪廓并重構完整的層級結構）。
method：輪廓近似方法，如 CHAIN_APPROX_SIMPLE（壓縮水平、垂直和對角冗余點）和 CHAIN_APPROX_NONE（存儲所有點）。
offset：可選參數，用于給輸出輪廓的所有點加上偏移值。

2.3 drawContours 函數

drawContours 函數用于在圖像上繪制檢測到的輪廓。它可以幫助直觀展示輪廓檢測和形狀分析的結果。函數原型如下：

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：輸入輸出圖像，即在該圖像上繪制輪廓。
contours：輪廓集合，通常由 findContours 得到，類型為 std::vector<std::vector<Point>>。
contourIdx：指定繪制哪一個輪廓；若設為 -1，則繪制所有輪廓。
color：繪制輪廓的顏色，如 Scalar(0,255,0) 表示綠色。
thickness：輪廓線的粗細；若為負值，則填充輪廓內部。
lineType：線型，默認 LINE_8。
hierarchy：輪廓的層級信息，可選。
maxLevel：繪制輪廓的最大層級，默認 INT_MAX。
offset：繪制時添加的偏移量。

drawContours 常用于可視化輪廓檢測結果，結合 findContours 使用可以將檢測到的目標區域在圖像上直觀標記出來。

2.3 輪廓檢測的基本步驟

使用 OpenCV C++ 進行輪廓檢測通常遵循以下步驟：

讀取圖像 (Read Image): 使用 cv::imread 加載你想要處理的源圖像到 cv::Mat 對象。
轉換為灰度圖 (Convert to Grayscale): 使用 cv::cvtColor 將彩色圖像轉換為灰度圖，以簡化圖像信息。
二值化 (Thresholding): 使用 cv::threshold 將灰度圖像轉換為二值圖像。這是輪廓檢測的關鍵步驟，因為 findContours 函數通常需要二值圖像作為輸入。
查找輪廓 (Find Contours): 使用 cv::findContours() 函數來檢測圖像中的所有輪廓。
繪制輪廓 (Draw Contours): （可選）使用 cv::drawContours() 函數將檢測到的輪廓繪制在原始圖像或新的畫布上，以便可視化。

2.4 參考代碼

#include <opencv2/opencv.hpp>
#include <iostream>
using namespace cv;
using namespace std;int main() {// 讀取灰度圖像Mat src = imread("E:/image/test.png");if (src.empty()) {cerr << "圖像加載失敗！" << endl;return -1;}Mat gray;cvtColor(src, gray, COLOR_BGR2GRAY);GaussianBlur(gray, gray, Size(5, 5), 0);Mat binary;double otsu_thresh_val = threshold(gray, binary, 0, 255, THRESH_BINARY | THRESH_OTSU);cout << "Otsu 自動選擇的閾值為：" << otsu_thresh_val << endl;imshow("原始灰度圖像", gray);imshow("otsu 二值化", binary);//查找輪廓vector<vector<Point>> contours;vector<Vec4i> hierarchy;findContours(binary, contours, hierarchy, RETR_TREE, CHAIN_APPROX_SIMPLE);cout << hierarchy.size();//繪制所有輪廓Mat contourImage = src.clone();drawContours(contourImage, contours, -1, Scalar(0, 0, 255), 1);imshow("contour", contourImage);waitKey(0);destroyAllWindows();return 0;
}

輪廓檢測結果

如果只想要最外面的輪廓只需要把參數RETR_TREE改為**RETR_EXTERNAL**

3. 計算并繪制輪廓幾何特征

在檢測到輪廓后，我們可以計算并繪制輪廓的幾何特征，例如：

面積 (contourArea)
周長 (arcLength)
重心
最小外接矩形 (boundingRect)
最小外接圓 (minEnclosingCircle)

3.1 參考代碼

#include <opencv2/opencv.hpp>
#include <iostream>using namespace cv;
using namespace std;int main() {// 讀取圖像并轉換為灰度圖Mat src = imread("E:/image/test1.png");if (src.empty()) {cerr << "圖像加載失敗！" << endl;return -1;}Mat gray;cvtColor(src, gray, COLOR_BGR2GRAY);// 應用閾值處理得到二值圖像Mat binary;threshold(gray, binary, 0, 255, THRESH_BINARY | THRESH_OTSU);// 檢測輪廓vector<vector<Point>> contours;vector<Vec4i> hierarchy;findContours(binary, contours, hierarchy, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);// 創建用于顯示輪廓的圖像Mat contourImage = src.clone();for (size_t i = 0; i < contours.size(); i++) {// 繪制輪廓drawContours(contourImage, contours, static_cast<int>(i), Scalar(0, 255, 0), 2);// 計算輪廓面積和周長double area = contourArea(contours[i]);double perimeter = arcLength(contours[i], true);if (area < 500) continue;// 計算重心Moments M = moments(contours[i]);int cx = static_cast<int>(M.m10 / M.m00);int cy = static_cast<int>(M.m01 / M.m00);circle(contourImage, Point(cx, cy), 5, Scalar(255, 0, 0), -1);// 計算外接矩形Rect boundingBox = boundingRect(contours[i]);rectangle(contourImage, boundingBox, Scalar(0, 0, 255), 2);//最小外接矩形RotatedRect box2 = minAreaRect(contours[i]);Point2f vertices[4];box2.points(vertices);for (int j = 0; j < 4; j++) {line(contourImage, vertices[j], vertices[(j + 1) % 4], Scalar(0, 255, 255), 1);}// 計算最小外接圓Point2f center;float radius;minEnclosingCircle(contours[i], center, radius);circle(contourImage, center, static_cast<int>(radius), Scalar(255, 255, 0), 2);// 在圖像上標注幾何特征putText(contourImage, "Area: " + to_string(static_cast<int>(area)),Point(boundingBox.x, boundingBox.y - 10), FONT_HERSHEY_SIMPLEX, 0.5, Scalar(255, 0, 255), 1);putText(contourImage, "Perimeter: " + to_string(static_cast<int>(perimeter)),Point(boundingBox.x, boundingBox.y + boundingBox.height + 20), FONT_HERSHEY_SIMPLEX, 0.5, Scalar(255, 0, 255), 1);}// 顯示結果imshow("輪廓檢測與幾何特征", contourImage);waitKey(0);return 0;
}

代碼簡介

輪廓檢測：使用 findContours 提取二值圖像中的所有輪廓。
繪制輪廓：使用 drawContours 繪制檢測到的輪廓。
計算幾何特征：
- 面積和周長：使用 contourArea 和 arcLength 計算。
- 重心：通過 moments 計算輪廓的中心點，并用 circle 繪制。
- 最小外接矩形：使用 boundingRect 計算，并用 rectangle 繪制。
- 最小外接圓：使用 minEnclosingCircle 計算，并用 circle 繪制。
標注特征信息：使用 putText 在圖像上顯示面積和周長。
面積篩選：代碼中過濾不顯示面積小于500的輪廓