findContours()函数

函数原型

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

参数1:单通道图像矩阵,可以是灰度图,但更常用的是二值图像,一般是经过Canny、拉普拉斯等边缘检测算子处理过的二值图像;

参数2:contours定义为“vector<vector<Point>> contours”,是一个双重向量(向量内每个元素保存了一组由连续的Point构成的点的集合的向量),每一组点集就是一个轮廓,有多少轮廓,contours就有多少元素;

参数3:hierarchy定义为“vector<Vec4i> hierarchy”,Vec4i的定义:typedef Vec<int, 4> Vec4i;(向量内每个元素都包含了4个int型变量),所以从定义上看,hierarchy是一个向量,向量内每个元素都是一个包含4个int型的数组。向量hierarchy内的元素和轮廓向量contours内的元素是一一对应的,向量的容量相同。hierarchy内每个元素的4个int型变量是hierarchy[i][0] ~ hierarchy[i][3],分别表示当前轮廓 i 的后一个轮廓、前一个轮廓、父轮廓和内嵌轮廓的编号索引。如果当前轮廓没有对应的后一个轮廓、前一个轮廓、父轮廓和内嵌轮廓,则相应的hierarchy[i][*]被置为-1。

参数4:定义轮廓的检索模式,取值如下:

            CV_RETR_EXTERNAL:只检测最外围轮廓,包含在外围轮廓内的内围轮廓被忽略;

            CV_RETR_LIST:检测所有的轮廓,包括内围、外围轮廓,但是检测到的轮廓不建立等级关系,彼此之间独立,没有等级关系,这就意味着这个检索模式下不存在父轮廓或内嵌轮廓,所以hierarchy向量内所有元素的第3、第4个分量都会被置为-1,具体下文会讲到;

            CV_RETR_CCOMP: 检测所有的轮廓,但所有轮廓只建立两个等级关系,外围为顶层,若外围内的内围轮廓还包含了其他的轮廓信息,则内围内的所有轮廓均归属于顶层;

            CV_RETR_TREE: 检测所有轮廓,所有轮廓建立一个等级树结构。外层轮廓包含内层轮廓,内层轮廓还可以继续包含内嵌轮廓。

参数5:定义轮廓的近似方法,取值如下:

            CV_CHAIN_APPROX_NONE:保存物体边界上所有连续的轮廓点到contours向量内;

            CV_CHAIN_APPROX_SIMPLE:仅保存轮廓的拐点信息,把所有轮廓拐点处的点保存入contours向量内,拐点与拐点之间直线段上的信息点不予保留;

            CV_CHAIN_APPROX_TC89_L1:使用teh-Chinl chain 近似算法;

            CV_CHAIN_APPROX_TC89_KCOS:使用teh-Chinl chain 近似算法。

参数6:Point偏移量,所有的轮廓信息相对于原始图像对应点的偏移量,相当于在每一个检测出的轮廓点上加上该偏移量,并且Point还可以是负值

 

下边用效果图对比一下findContours函数中参数4和参数5取不同值时,向量contours和hierarchy的内容如何变化,有何异同。

findContours()函数

 

一、mode取值“CV_RETR_EXTRERNAL”,method取值“CV_CHAIN_APPROX_NONE”,即只检测最外层轮廓,并且保存轮廓上所有点:

findContours()函数只有最外层轮廓,内层轮廓被忽略

findContours()函数

 Contours向量内所有点集:保存了所有轮廓上的所有点,图像表现跟轮廓一致

上一篇:OPENCV学习之findContours()轮廓检索模式区别


下一篇:python--图像轮廓findContours