導(dǎo)言

在計(jì)算機(jī)視覺領(lǐng)域，圖像處理是一項(xiàng)重要的任務(wù)。而在圖像處理的過程中，輪廓（Contours）的提取是一項(xiàng)基礎(chǔ)且關(guān)鍵的操作。OpenCV庫中的findContours函數(shù)就是用于找到圖像中的輪廓的工具之一。本文將深入介紹findContours函數(shù)的作用、原理、應(yīng)用場(chǎng)景，并結(jié)合C++和OpenCV提供一些簡(jiǎn)單的示例代碼，方便讀者入門。

findContours函數(shù)的作用

findContours函數(shù)的主要作用是在二值化圖像中找到輪廓，這些輪廓是由相鄰的像素組成的對(duì)象的邊界。該函數(shù)能夠識(shí)別并返回圖像中所有的輪廓，并以一種易于處理的數(shù)據(jù)結(jié)構(gòu)存儲(chǔ)。
findContours函數(shù)詳解
findContours是OpenCV中用于在二值化圖像中查找輪廓的函數(shù)之一。下面詳細(xì)介紹該函數(shù)的原型及參數(shù)作用。

函數(shù)原型

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

參數(shù)說明
image：輸入輸出參數(shù)，是二值化的源圖像。在函數(shù)執(zhí)行后，該圖像可能會(huì)被修改，以強(qiáng)調(diào)輪廓。注意，輸入圖像必須是8位單通道圖像。

contours：輸出參數(shù)，存儲(chǔ)找到的輪廓的容器。它是一個(gè)向量的向量（vector<vector>），每個(gè)元素都代表一個(gè)輪廓，其中每個(gè)Point表示輪廓上的一個(gè)點(diǎn)。

hierarchy：輸出參數(shù)，用于存儲(chǔ)輪廓的層級(jí)信息。它是一個(gè)向量，每個(gè)元素包含了關(guān)于一個(gè)輪廓的層級(jí)關(guān)系，包括下一個(gè)輪廓、上一個(gè)輪廓、子輪廓和父輪廓的索引。

mode：表示輪廓的檢索模式，是一個(gè)整數(shù)值。常見的模式有：

RETR_EXTERNAL：只檢索最外層的輪廓。
RETR_LIST：檢索所有輪廓并存儲(chǔ)為列表。
RETR_CCOMP：檢索所有輪廓并組織為兩層的層級(jí)結(jié)構(gòu)。
RETR_TREE：檢索所有輪廓并完整重構(gòu)輪廓層級(jí)。
method：表示輪廓的逼近方法，同樣是一個(gè)整數(shù)值。常見的方法有：

CHAIN_APPROX_NONE：存儲(chǔ)所有的輪廓點(diǎn)，不進(jìn)行任何壓縮。
CHAIN_APPROX_SIMPLE：壓縮水平、垂直和對(duì)角方向，只保留終點(diǎn)。
CHAIN_APPROX_TC89_L1和CHAIN_APPROX_TC89_KCOS：應(yīng)用 Teh-Chin 鏈逼近算法。
offset：可選參數(shù)，表示輪廓中所有點(diǎn)的偏移。默認(rèn)為Point()，即無偏移。

函數(shù)作用
findContours函數(shù)的主要作用是根據(jù)給定的模式和方法，在二值化圖像中找到并提取輪廓。以下是各參數(shù)的作用：

image：作為輸入，傳入函數(shù)的二值化圖像。

contours：作為輸出，包含找到的輪廓信息。

hierarchy：作為輸出，包含了輪廓之間的關(guān)系信息，如子輪廓、父輪廓等。

mode：決定了輪廓的檢索模式，即找到哪些輪廓。

method：決定了輪廓的逼近方法，即如何表示輪廓的形狀。

offset：可選參數(shù)，用于指定輪廓中所有點(diǎn)的偏移。

通過使用findContours函數(shù)，我們可以方便地在圖像中定位并提取感興趣的對(duì)象輪廓，為后續(xù)的圖像處理和分析提供了基礎(chǔ)。

原理分析

findContours函數(shù)的工作原理主要基于圖像的邊緣檢測(cè)和連接分析。它的實(shí)現(xiàn)步驟可以概括為以下幾個(gè)步驟：

圖像預(yù)處理：首先，輸入圖像通常需要進(jìn)行二值化處理，將圖像轉(zhuǎn)換為黑白兩色，以便更容易檢測(cè)輪廓。

邊緣檢測(cè)：利用一些邊緣檢測(cè)算法（如Sobel、Canny等），找到圖像中的邊緣。

輪廓查找：根據(jù)邊緣信息，找到輪廓的起點(diǎn)，并按照一定規(guī)則遍歷整個(gè)輪廓，將輪廓上的點(diǎn)存儲(chǔ)起來。

輪廓連接：將相鄰的輪廓點(diǎn)連接成完整的輪廓。

存儲(chǔ)結(jié)果：將找到的輪廓以一種數(shù)據(jù)結(jié)構(gòu)（通常是向量）存儲(chǔ)，以便后續(xù)使用。

應(yīng)用場(chǎng)景

findContours函數(shù)在許多計(jì)算機(jī)視覺任務(wù)中都得到廣泛應(yīng)用，例如：

目標(biāo)檢測(cè)：用于識(shí)別圖像中的物體輪廓，從而進(jìn)行目標(biāo)檢測(cè)。

圖像分割：通過輪廓提取，可以將圖像分割成不同的區(qū)域，有助于進(jìn)一步的分析。

手寫體識(shí)別：在手寫體數(shù)字或字符識(shí)別中，findContours可以用于提取數(shù)字的輪廓。

醫(yī)學(xué)圖像分析：在醫(yī)學(xué)圖像中，該函數(shù)可用于分割和分析組織結(jié)構(gòu)。

代碼示例

使用C++與OpenCV寫代碼
以下是一個(gè)簡(jiǎn)單的C++代碼示例，演示了如何使用OpenCV的findContours函數(shù)來查找并繪制圖像中的輪廓：

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace cv;
using namespace std;

int main() {
    // 讀取圖像
    Mat image = imread("example.jpg", IMREAD_GRAYSCALE);

    if (image.empty()) {
        cerr << "Unable to read the image" << endl;
        return -1;
    }

    // 二值化圖像
    Mat binaryImage;
    threshold(image, binaryImage, 128, 255, THRESH_BINARY);

    // 查找輪廓
    vector<vector<Point>> contours;
    vector<Vec4i> hierarchy;
    findContours(binaryImage, contours, hierarchy, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);

    // 繪制輪廓
    Mat contourImage = Mat::zeros(image.size(), CV_8UC3);
    drawContours(contourImage, contours, -1, Scalar(0, 255, 0), 2);

    // 顯示原始圖像和帶有輪廓的圖像
    imshow("Original Image", image);
    imshow("Contours", contourImage);

    waitKey(0);

    return 0;
}

在這個(gè)示例中，首先讀取一幅灰度圖像，然后通過二值化處理。接著使用findContours函數(shù)找到圖像中的輪廓，最后使用drawContours函數(shù)將輪廓繪制在一張空白圖像上。最終，通過OpenCV的imshow函數(shù)顯示原始圖像和包含輪廓的圖像。

結(jié)語

通過findContours函數(shù)，我們能夠方便地在圖像中找到并提取出對(duì)象的輪廓，為后續(xù)的圖像處理和分析提供了基礎(chǔ)。希望通過本文的介紹和代碼示例，讀者能夠更好地理解并運(yùn)用這一強(qiáng)大的函數(shù)。文章來源地址http://www.zghlxwxcb.cn/news/detail-810878.html

到了這里，關(guān)于探秘OpenCV中的findContours函數(shù)的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！