图像轮廓之查找并绘制轮廓

  边缘检测虽然能够检测出边缘，但边缘是不连续的，检测到的边缘并不是一个整体。图像轮廓是指将边缘连接起来形成的一个整体，用于后续的计算。

  OpenCV提供了查找图像轮廓的函数cv2.findContours()，该函数能够查找图像内的轮廓信息，而函数cv2.drawContours()能够将轮廓绘制出来。

  图像轮廓是图像中非常重要的一个特征信息，通过对图像轮廓的 *** 作，我们能够获取目标图像的大小、位置、方向等信息。

函数cv2.findContours()的语法格式为：

式中的返回值为：

式中的参数为：

在OpenCV中，可以使用函数cv2.drawContours()绘制图像轮廓。该函数的语法格式是：

【例12.1】绘制一幅图像内的所有轮廓。

如果要绘制图像内的所有轮廓，需要将函数cv2.drawContours()的参数contourIdx的值设置为“-1”。

【例12.2】逐个显示一幅图像内拦祥毁的边缘信息。

【例12.3】使用轮廓绘制功能，提取前景对象。

将函数cv2.drawContours()的参数thickness的值设置为“-1”，可以绘制前景对象的实心轮廓。将该实心轮廓与原始图像进行“按位与” *** 简备作，即可将前景对象从原宴敬始图像中提取出来。

本例中将函数cv2.drawContours()的参数thickness设置为“-1”，得到了前景对象的实心轮廓mask。接下来，通过语句“cv2.bitwise_and(o, mask)”，将原始图像o与实心轮廓mask进行“按位与”运算，就得到了原始图像的前景对象。

clude<stdio.h>

int main()

{

int len=0

int len2=0

FILE* stream

FILE* stream1

FILE* stream2

char buf[50]

char buf1[50]

char buf2[50]

char text[1024]

printf("input anfile path to open:")

scanf("铅滚%s",buf)

stream=fopen(buf,"r+")

fseek(stream,0,SEEK_END)

len=ftell(stream)

printf("the file %s length is %d!\n",buf,len)

len2 = len/2

printf("intput 2 file name: \n")

scanf("%s%s",buf1,buf2)

fseek(stream,0,SEEK_SET)

stream1=fopen(buf1,"w+")

stream2=fopen(buf2,"w+")

fread(text,len2,1,stream)

fwrite(text,len2,1,stream1)

fread(text,len-len2,1,stream)

fwrite(text,len-len2,1,stream2)

fclose(stream)

fclose(stream1)

fclose(stream2)

return 0

}

文件合并

#include<stdio.h>

int main()

{

int len=0

int len2=0

FILE* stream

FILE* stream1

char buf[50]

char buf1[50]

char text[1024]

printf("input anfile path to open:")

scanf("%s",buf)

stream=fopen(buf,"乱激唤r+")

fseek(stream,0,SEEK_END)

printf("哗凯intput another file name: \n")

scanf("%s",buf1)

stream1=fopen(buf1,"r+")

fseek(stream1,0,SEEK_END)

len=ftell(stream1)

fseek(stream1,0,SEEK_SET)

fread(text,len,1,stream1)

fwrite(text,len,1,stream)

fclose(stream)

fclose(stream1)

remove(buf1)//remove the another file

return 0

}

需要在程序目录下有文件存在

边缘检测虽然能够检测出边缘，但是边缘不是连续的，检测到的边缘不是一个整体。 图像轮廓是指将边缘连接起来形成一个整体

cv2.RETR_LIST：对检测到的轮廓不建立等级关系

cv2.RETR_EXTERNAL：只卖盯检测外轮廓

cv2.RETE_CCOMP：检测所有轮廓并组织成两级层次结构，上面一层为外边界，下面一层为内控的边界

（注：当含有多个层次结构时，其也只会得到两层的层次结构，而TREE会得到多层）

cv2.RETR_TREE：建立一个等级树结构的轮廓

如何表达轮廓

cv2.CHAIN_APPROX_SIMPLE ：压缩水平方向，垂直方向，对角线方向的元素，只保留该方向的终点元素

cv2.CHAIN_APPROX_NONE：存储所有轮没仔廓点

返回值image：绘制了轮廓的图像

参数：

image：待绘制轮廓的图像，会在image上直接绘制，后续如果image原始图像有用，需要先复制备份

contours：需要绘制的轮廓

contourIdx：一个整数或者0，表示对应的索引号；-1表示绘制全部轮廓

thickness：-1，表示绘制实心轮廓

绘制一副图像中的所有轮廓

逐个显示一幅图像中的边缘信息

使用轮廓绘制功能，提取前景图像

比较两个轮廓最简单的方法是比较二者的轮廓矩。 轮廓矩代表了一个轮廓，一幅图像，一组点集的全部特征 ，矩信息包含了对应对象的不同类型的几何特征，例如大小，位置，角度，形状等。如果两个轮廓的矩一致，那么这两个轮廓就是一致的。

矩特征被广泛应用在 模式识别 和 图像识别 方面

空间矩(m00表示轮廓的面积)

中心矩(比较不同位置上两个对象的一致性)

归一化中心矩(不仅具有平移不变性，还具有缩放不变性)

array：可以是点集，灰度图像，二值图像

binaryImage： 该参数为True时 ，arry内所有的非零值被处理为1, 也就是二值化 ， 仅在array为图像时有效

oriented：

True，返回值包含正负号，用来表示轮廓是顺时针还是逆时针

False，表示返回的retval是一个绝对值

closed:

True，轮廓封闭

False，轮廓不封闭

Hu矩是归一化中心矩的线性组合。 Hu矩在图像旋转，平移，缩放等 *** 作后，仍能保持矩的不变性 ，所以经常拿Hu矩作为识别图像的特征

其中，hu是表示返回的Hu矩值，m是由参数cv2.moments()计算得到的矩特征值

由于Hu矩的值本身就非常的小，因此这里没有发现两个对象的Hu矩差值的特殊意义

通过Hu矩来判断两个对象的一致性

其中 retval返回左上角顶点的x,y以及宽和高（x,y,w,h）

采用cv2.boundingRect()和cv2.rectangle()绘制矩形包围框

此处返回的[最小外接矩形中心，(宽，高)，旋转角度]，必须经过下面函数

此处的points值再经过np.int0()取整，可以应用于cv2.drawContours()

retval:最小外包三角枯配汪形的面积

triangle:最小外包三角形的三个顶点集

注意：三个顶点集的坐标必须转化为整数

返回值：逼近多边形的点集

参数：轮廓，原始轮廓边界点与逼近多边形边界之间的最大距离，True：封闭；False不封闭

DP算法：该算法首先从轮廓中找到距离最远的两个点，并且将两点相连。接下来在轮廓上找到一个距离当前直线最远的点，并且将该点与原有直线连成一个封闭多边形，上述过程不断迭代，将新的找到的距离当前多边形最远的点加入到结果中。当轮廓上所有的点到当前多边形的距离都小于函数cv2.approxPolyDP()的参数epsilon的值时，就停止迭代

构造不同精度的逼近多边形

---