探秘OpenCV中的findContours函数

这篇具有很好参考价值的文章主要介绍了探秘OpenCV中的findContours函数。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

导言

在计算机视觉领域,图像处理是一项重要的任务。而在图像处理的过程中,轮廓(Contours)的提取是一项基础且关键的操作。OpenCV库中的findContours函数就是用于找到图像中的轮廓的工具之一。本文将深入介绍findContours函数的作用、原理、应用场景,并结合C++和OpenCV提供一些简单的示例代码,方便读者入门。

findContours函数的作用

findContours函数的主要作用是在二值化图像中找到轮廓,这些轮廓是由相邻的像素组成的对象的边界。该函数能够识别并返回图像中所有的轮廓,并以一种易于处理的数据结构存储。
findContours函数详解
findContours是OpenCV中用于在二值化图像中查找轮廓的函数之一。下面详细介绍该函数的原型及参数作用。

函数原型

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

参数说明
image:输入输出参数,是二值化的源图像。在函数执行后,该图像可能会被修改,以强调轮廓。注意,输入图像必须是8位单通道图像。

contours:输出参数,存储找到的轮廓的容器。它是一个向量的向量(vector<vector>),每个元素都代表一个轮廓,其中每个Point表示轮廓上的一个点。

hierarchy:输出参数,用于存储轮廓的层级信息。它是一个向量,每个元素包含了关于一个轮廓的层级关系,包括下一个轮廓、上一个轮廓、子轮廓和父轮廓的索引。

mode:表示轮廓的检索模式,是一个整数值。常见的模式有:

RETR_EXTERNAL:只检索最外层的轮廓。
RETR_LIST:检索所有轮廓并存储为列表。
RETR_CCOMP:检索所有轮廓并组织为两层的层级结构。
RETR_TREE:检索所有轮廓并完整重构轮廓层级。
method:表示轮廓的逼近方法,同样是一个整数值。常见的方法有:

CHAIN_APPROX_NONE:存储所有的轮廓点,不进行任何压缩。
CHAIN_APPROX_SIMPLE:压缩水平、垂直和对角方向,只保留终点。
CHAIN_APPROX_TC89_L1和CHAIN_APPROX_TC89_KCOS:应用 Teh-Chin 链逼近算法。
offset:可选参数,表示轮廓中所有点的偏移。默认为Point(),即无偏移。

函数作用
findContours函数的主要作用是根据给定的模式和方法,在二值化图像中找到并提取轮廓。以下是各参数的作用:

image:作为输入,传入函数的二值化图像。

contours:作为输出,包含找到的轮廓信息。

hierarchy:作为输出,包含了轮廓之间的关系信息,如子轮廓、父轮廓等。

mode:决定了轮廓的检索模式,即找到哪些轮廓。

method:决定了轮廓的逼近方法,即如何表示轮廓的形状。

offset:可选参数,用于指定轮廓中所有点的偏移。

通过使用findContours函数,我们可以方便地在图像中定位并提取感兴趣的对象轮廓,为后续的图像处理和分析提供了基础。

原理分析

findContours函数的工作原理主要基于图像的边缘检测和连接分析。它的实现步骤可以概括为以下几个步骤:

图像预处理:首先,输入图像通常需要进行二值化处理,将图像转换为黑白两色,以便更容易检测轮廓。

边缘检测:利用一些边缘检测算法(如Sobel、Canny等),找到图像中的边缘。

轮廓查找:根据边缘信息,找到轮廓的起点,并按照一定规则遍历整个轮廓,将轮廓上的点存储起来。

轮廓连接:将相邻的轮廓点连接成完整的轮廓。

存储结果:将找到的轮廓以一种数据结构(通常是向量)存储,以便后续使用。

应用场景

findContours函数在许多计算机视觉任务中都得到广泛应用,例如:

目标检测:用于识别图像中的物体轮廓,从而进行目标检测。

图像分割:通过轮廓提取,可以将图像分割成不同的区域,有助于进一步的分析。

手写体识别:在手写体数字或字符识别中,findContours可以用于提取数字的轮廓。

医学图像分析:在医学图像中,该函数可用于分割和分析组织结构。

代码示例

使用C++与OpenCV写代码
以下是一个简单的C++代码示例,演示了如何使用OpenCV的findContours函数来查找并绘制图像中的轮廓:


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

using namespace cv;
using namespace std;

int main() {
    // 读取图像
    Mat image = imread("example.jpg", IMREAD_GRAYSCALE);

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

    // 二值化图像
    Mat binaryImage;
    threshold(image, binaryImage, 128, 255, THRESH_BINARY);

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

    // 绘制轮廓
    Mat contourImage = Mat::zeros(image.size(), CV_8UC3);
    drawContours(contourImage, contours, -1, Scalar(0, 255, 0), 2);

    // 显示原始图像和带有轮廓的图像
    imshow("Original Image", image);
    imshow("Contours", contourImage);

    waitKey(0);

    return 0;
}

在这个示例中,首先读取一幅灰度图像,然后通过二值化处理。接着使用findContours函数找到图像中的轮廓,最后使用drawContours函数将轮廓绘制在一张空白图像上。最终,通过OpenCV的imshow函数显示原始图像和包含轮廓的图像。

结语

通过findContours函数,我们能够方便地在图像中找到并提取出对象的轮廓,为后续的图像处理和分析提供了基础。希望通过本文的介绍和代码示例,读者能够更好地理解并运用这一强大的函数。文章来源地址https://www.toymoban.com/news/detail-810878.html

到了这里,关于探秘OpenCV中的findContours函数的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • OpenCV边缘检测:findContours()、approxPolyDP()

    参数 src 原图 cv2.RETR_TREE:提取轮廓后,输出轮廓信息的组织形式,除了cv2.RETR_TREE还有以下几种选项: cv2.RETR_EXTERNAL:输出轮廓中只有外侧轮廓信息; cv2.RETR_LIST:以列表形式输出轮廓信息,各轮廓之间无等级关系; cv2.RETR_CCOMP:输出两层轮廓信息,即内外两个边界(下面将会

    2024年02月06日
    浏览(43)
  • OpenCV查找和绘制轮廓:findContours和drawContours

    1  任务描述: 绘制图中粗线矩形的2个边界,并找到其边界的中心线 图1 原始图像  2.函数原型 findContours( InputOutputArray image, OutputArrayOfArrays contours,                               OutputArray hierarchy, int mode,                               int method, Point offset=Point()); image:图

    2024年02月07日
    浏览(44)
  • opencv-python3 | cv2.findContours()检测图像中物体轮廓

    轮廓可以简单地理解为连接所有连续点(沿物体边界)的曲线,这些点通常具有相同的颜色或强度。 轮廓在图像分析中具有重要意义,是物体形状分析和对象检测和识别的有用工具,是理解图像语义信息的重要依据。 通常,为了提高物体轮廓检测的准确率,首先要将彩色图

    2024年02月05日
    浏览(50)
  • 数字图像处理【11】OpenCV-Canny边缘提取到FindContours轮廓发现

    本章主要介绍图像处理中一个比较基础的操作:Canny边缘发现、轮廓发现 和 绘制轮廓。概念不难,主要是结合OpenCV 4.5+的API相关操作,为往下 \\\"基于距离变换的分水岭图像分割\\\" 做知识储备。 在讲述轮廓之前,要花点时间学学边缘检测提取的一个著名算法——Canny边缘提取算法

    2024年02月16日
    浏览(42)
  • 【Python】【OpenCV】关于cv2.findContours()轮廓索引(编号)解析(RETR_TREE)

    在打算自己实现二维码的定位的时候,看到了相关博文的关于cv2.findContours返回的层级信息来定位三个“回”字从而达到定位二维码的目的,但是返回的hierarchy中的层级信息分别对应的是哪个轮廓却困扰了许久,查阅了很多资料最后还是自己手动找出了清晰的规律。 关于hier

    2024年02月04日
    浏览(35)
  • 我在Vscode学OpenCV 图像处理四(轮廓查找 cv2.findContours() cv2.drawContours())-- 待补充

    在OpenCV中,边缘检测和轮廓查找是两个不同的图像处理任务,它们有不同的目标和应用。 1.1.1 边缘检测: 定义: 边缘检测是指寻找图像中灰度级别变化明显的地方,即图像中物体之间的界限。这些变化通常表示图像中的边缘或轮廓。 方法: 常用的边缘检测算法包括Sobel、

    2024年02月03日
    浏览(61)
  • findContours函数详细解析

    cnts解析: cnts代表的是找到的轮廓的点集的集合,它是一个numpy中的列表结构。你也可以把它理解为一个存储着图像中每个轮廓的数组,就像这样: 只不过这个数组的每个位置存储的是图片中的一小部分图像(因为画一个轮廓只是画了整个图片的一部分,上文提到,画轮廓是

    2024年02月05日
    浏览(35)
  • 【OpenCV findChessboardCornersSB 算法原理与函数使用】

    findChessboardCornersSB是OpenCV4新引入的棋盘格角点检测函数,可以直接获得亚像素角点坐标,对噪声的鲁棒性和对大尺寸图像的检测速度相比之前的findChessboardCorners有很大提升。本文介绍findChessboardCornersSB函数的算法原理,并给出函数使用示例。 findChessboardCornersSB的实现主要参考

    2024年02月22日
    浏览(32)
  • OpenCV中的cv::add()函数

    OpenCV是计算机视觉和图像处理领域中广泛应用的开源库,其中的cv::add()函数用于对图像或数组进行加法运算。本文将深入探讨cv::add()函数的基本概念、用法以及在图像处理中的应用,旨在帮助读者更好地理解和应用这一函数。 在图像处理和计算机视觉任务中,对图像或数组进

    2024年02月22日
    浏览(47)
  • opencv中的几个重要函数

    对于我们经常使用python的同学,尤其还习惯使用numpy库,突然上手opencv c++时,就会感觉想要一个结果,python一行代码搞定,但是c++却无处下手,因此特总结遇到的几个重要opencv函数,方便能够快速获取跟python opencv一样的效果。 1. compare函数 2. findNonZero 3. 有待继续补充 看到感

    2024年01月24日
    浏览(43)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包