opencv轮廓外接矩形

1.寻找轮廓

api

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

各个参数详解如下：

• Image表示输入图像，必须是二值图像，二值图像可以threshold输出、Canny输出、inRange输出、自适应阈值输出等。
• Contours获取的轮廓，每个轮廓是一系列的点集合
• Hierarchy轮廓的层次信息，每个轮廓有四个相关信息，分别是同层下一个、前一个、第一个子节点、父节点
• mode 表示轮廓寻找时候的拓扑结构返回 -RETR_EXTERNAL表示只返回最外层轮廓 -RETR_TREE表示返回轮廓树结构

  • CV_RETR_EXTERNAL：只检测外轮廓。忽略轮廓内部的洞

  • CV_RETR_LIST：检测所有轮廓，但不建立继承(包含)关系

  • CV_RETR_TREE：检测所有轮廓，并且建立所有的继承(包含)关系。也就是说用CV_RETR_EXTERNAL和CV_RETR_LIST方法的时候hierarchy这个变量是没用的，因为前者没有包含关系，找到的都是外轮廓，后者仅仅是找到所哟的轮廓但并不把包含关系区分。用TREE这种检测方法的时候我们的hierarchy这个参数才是有意义的

  • CV_RETR_CCOMP：检测所有轮廓，但是仅仅建立两层包含关系。外轮廓放到顶层，外轮廓包含的第一层内轮廓放到底层，如果内轮廓还包含轮廓，那就把这些内轮廓放到顶层去。

• Method表示轮廓点集合取得是基于什么算法，常见的是基于CHAIN_APPROX_SIMPLE链式编码方法

注意，如果图像底色是白色，则检测最外层的轮廓为图像边框

2.绘制轮廓外接矩形

绘制外接矩形包括两种：

• 绘制最大外接矩形

（Rect cv::boundingRect( InputArray points )）

其中，输入参数points为一系列点的集合（findContours中contours中的一个元素），对轮廓来说就是该轮廓的点集 返回结果是一个矩形，x, y, w, h

• 绘制最小外接矩形

RotatedRect cv::minAreaRect( InputArray points )

其中，输入参数points为一系列点的集合（findContours中contours中的一个元素） ，对轮廓来说就是该轮廓的点集 返回结果是一个旋转矩形，包含下面的信息： - 矩形中心位置 - 矩形的宽高 - 旋转角度。

3.代码

EdgeDetection.h

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

using namespace std;
using namespace cv;


class EdgeDetection
{
    cv::Mat m_img;
    cv::Mat m_canny;
public:
    EdgeDetection(cv::Mat iamge);
    bool cannyProcess(unsigned int downThreshold,unsigned int upThreshold);
    bool getContours();
    
    ~EdgeDetection();
};

EdgeDetection.cpp

#include "EdgeDetection.h"

EdgeDetection::EdgeDetection(cv::Mat image)
{
    m_img = image;
}

bool EdgeDetection::cannyProcess(unsigned int downThreshold, unsigned int upThreshold)
{
    bool ret=true;

    if (m_img.empty())
    {
        ret = false;
    }

    cv::Canny(m_img, m_canny, downThreshold, upThreshold);
    cv::imshow("Canny", m_canny); 

    return ret;
}

bool EdgeDetection::getContours()
{
    bool ret = true;
    if (m_canny.empty())
    {
        ret = false;
    }
    
    cv::Mat k = cv::getStructuringElement(cv::MORPH_RECT, cv::Size(3, 3), cv::Point(-1, -1));
    cv::dilate(m_canny, m_canny, k);
    imshow("dilate", m_canny);
    
    // 轮廓发现与绘制
    vector<vector<cv::Point> > contours;
    vector<Vec4i> hierarchy;
    findContours(m_canny, contours, cv::RETR_EXTERNAL, CHAIN_APPROX_SIMPLE, Point());

    for (size_t i = 0; i < contours.size();++i)
    {
        // 最大外接轮廓
        cv::Rect rect = cv::boundingRect(contours[i]);
        cv::rectangle(m_img,rect,cv::Scalar(0,255,0),2,LINE_8);


        // 最小外接轮廓
        RotatedRect rrt = minAreaRect(contours[i]);
        Point2f pts[4];
        rrt.points(pts);
        // 绘制旋转矩形与中心位置
        for (int i = 0; i < 4; i++) {
            line(m_img, pts[i % 4], pts[(i + 1) % 4], Scalar(0, 0, 255), 2, 8, 0);
        }
        Point2f cpt = rrt.center;
        circle(m_img, cpt, 2, Scalar(255, 0, 0), 2, 8, 0);
    }





    imshow("contours", m_img);
    return ret;
}

EdgeDetection::~EdgeDetection()
{
}

main.cpp

#include"EdgeDetection.h"
using namespace std;
using namespace cv;



int main(int argc, char* argv[])
{
    Mat src = imread("rect.jpg");
    if (src.empty())
    {
        cout << "image is empty" << endl;
        return -1;
    }

    imshow("input", src);

    EdgeDetection ed(src);

    ed.cannyProcess(80,160);
    ed.getContours();

    waitKey(0);
    return 0;
}

原图

 canny

 目标图