• findContours 轮廓查找


    物体的轮廓勾勒出了物体的整体形状,物体形状的边界像素一起组合成了轮廓。

    灰度图像边界的明显特征是边界两侧灰度级的突变,根据这个特征,使用Sobel、拉普拉斯或Canny之类的边缘检测算子可以有效的检测到物体的边界,所有连续的边界像素组合在一起成为一个整体,就构成了物体的轮廓。


    轮廓检测可以使用findContours函数,检测步骤是:

    1.  使用拉普拉斯或Canny等边缘检测算子处理图像,获得仅包含边界的二值图像

    2.  使用findContorus方法,获取图像所有的边界连续像素序列,并保存在contours向量中

    3.  标示出contours向量中所有的轮廓序列


    以下Opencv实现:

    #include "core/core.hpp"  
    #include "highgui/highgui.hpp"  
    #include "imgproc/imgproc.hpp"  
    #include "iostream"
    
    using namespace std; 
    using namespace cv;  
      
    int main(int argc,char *argv[])  
    {
    	Mat imageSource=imread(argv[1],0);
    	imshow("Source Image",imageSource);
    	Mat image;
    	GaussianBlur(imageSource,image,Size(3,3),0);
    	Canny(image,image,100,250);
    	imshow("Canny Image",image);
    	vector<vector<Point>> contours;
    	vector<Vec4i> hierarchy;
    	findContours(image,contours,hierarchy,RETR_TREE,CHAIN_APPROX_SIMPLE,Point());
    	Mat imageContours=Mat::zeros(image.size(),CV_8UC1);
    	for(int i=0;i<contours.size();i++)
    	{
    		drawContours(imageContours,contours,i,Scalar(255),1,8,hierarchy);
    	}
    	imshow("Contours Image",imageContours);
    	waitKey(0);
    	return 0;
    }
    

    原图:



    Canny边缘:



    轮廓:



    轮廓图像和Canny图像乍看起来表现几乎是一致的,但其实组成两者的数据结构差别很大:

    Canny边缘图像只是一些相互独立的散点勾勒出了一个边界,点与点之间没有联系,是没有“思想”的;

    轮廓图像是一系列的点组成的,相邻的点与点同属于一个轮廓“集合”,连续的点构成了一个整体,甚至我们可以通过编号对每个轮廓定位,定义其前后轮廓线段,内外轮廓包含、隶属等树形关系,是有“思想”,可进一步处理的。


  • 相关阅读:
    WUSTOJ 1279: Wallace and His Pet(Java)
    WUSTOJ 1235: 计算矩阵的鞍点(Java)
    WUSTOJ 1277: 小吉吉读书(Java)
    WUSTOJ 1276: 峰峰不搞G(Java)
    WUSTOJ 1275: 男神的逆袭(Java)
    WUSTOJ 1274: 喂,这里是帅帅的LCM(Java)
    1269: 划分数(Java)
    1267: 展开字符串(Java)
    1266: gcd和lcm(Java)
    微型计算机接口技术与汇编语言课后答案
  • 原文地址:https://www.cnblogs.com/mtcnn/p/9411985.html
Copyright © 2020-2023  润新知