<opencv>第十一课轮廓检测

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

在二值图像中查找轮廓。从OpenCV3.2开始源图像不会这个函数被修改。

参数	含义
image	二值输入图像
contours	检测到的轮廓，每个轮廓都存储为点向量（例如 std::vector<std::vectorcv::Point >）
hierarchy	可选的输出向量（例如 std::vectorcv::Vec4i），包含有关图像拓扑的信息
mode	轮廓检索模式
method	轮廓近似方式
offset	每个轮廓点移动的可选偏移量

1	`double cv::contourArea(InputArray contour, bool oriented=false)`

计算轮廓区域

1	`double cv::arcLength(InputArray curve, bool closed)`

计算曲线长度或闭合轮廓周长

1	`void cv::approxPolyDP(InputArray curve, OutputArray approxCurve, double epsilon, bool closed)`

函数cv::approxPolyDP用另一个具有较少顶点的曲线/多边形来逼近一条曲线或多边形，以使它们之间的距离小于或等于指定的精度。

1	`Rect cv::boundingRect(InputArray array)`

计算并返回指定点集或灰度图像非零像素的最小上边界矩形。

void cv::drawContours(InputOutputArray image, InputArrayOfArrays contours, int contourIdx, const Scalar &color, int thickness = 1, int lineType = LINE_8, InputArray hierarchy = noArray(), int maxLevel = INT_MAX, Point offset = Point())

绘制轮廓轮廓或填充轮廓。如果厚度≥0，该函数在图像中绘制轮廓轮廓，如果厚度<0，则填充轮廓所包围的区域。

Point_< _Tp > tl() const
左上角

Point_< _Tp > br() const
右下角

//rect
template<typename _Tp> class cv::Rect_< _Tp >
typedef Rect_<int> cv::Rect2i
typedef Rect2i cv::Rect
//point
template<typename _Tp> class cv::Point_< _Tp >
typedef Point_<int> cv::Point2i
typedef Point2i cv::Point

cv::Rect_< _Tp >类属性	含义
height	矩形高度
width	矩形宽度
x	左上角的 x 坐标
y	左上角的 y 坐标

#include <opencv2/imgcodecs.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>
#include <iostream>

using namespace cv;
using namespace std;

void getContours(Mat imgDil, Mat img) {

	vector<vector<Point>> contours; //轮廓点集
    /*
    vector<Point>: 这是一个动态数组，用于存储轮廓线上的点。
    每个点都是一个 Point 对象，通常包含图像中某个轮廓线上的像素点的坐标。
    vector<vector<Point>>: 这是一个二维向量，其中每个元素都是一个 vector<Point>。
    这种结构允许你存储多个轮廓，每个轮廓由一系列点组成。
    */
	vector<Vec4i> hierarchy;//轮廓层次结构
    /*
    Vec4i 是 OpenCV 中的一个模板类，用于存储四个整数值。
    在轮廓处理中，每个 Vec4i 通常表示一个轮廓的四个点的索引，
    这些索引指向一个更大的数组（通常是 vector<Point>），
    该数组包含了实际的点坐标。
    vector<Vec4i> 用来存储多个这样的 Vec4i 对象。
    在轮廓检测中，一个图像可能包含多个轮廓，每个轮廓由多个点组成。
    每个轮廓的点索引存储在一个 Vec4i 中，
    而所有的轮廓则存储在 vector<Vec4i> 中。

    层次结构 (hierarchy)
    hierarchy 数组包含了轮廓之间的层次关系。
    每个元素 Vec4i 包含四个值，分别表示：

    Next：当前轮廓的下一个轮廓的索引（在 contours 中）。
    Previous：当前轮廓的前一个轮廓的索引。
    First Child：当前轮廓的第一个子轮廓的索引。
    Parent：当前轮廓的父轮廓的索引。
    这些信息可以用来理解轮廓之间的父子关系，
    例如，哪些轮廓是另一个轮廓的子轮廓，或者哪些轮廓是兄弟轮廓。

    这种层次结构信息在处理复杂的图像结构时非常有用，
    比如在图像分割、对象识别和图像分析中。
    */

	findContours(imgDil, contours, hierarchy, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE); //通过预处理的二值图像找到所有轮廓contours
	//drawContours(img, contours, -1, Scalar(255, 0, 255), 2); //绘制所有轮廓

	for (int i = 0; i < contours.size(); i++) 
	{
		double area = contourArea(contours[i]); //计算每个轮廓区域
		cout << area << endl;

		vector<vector<Point>> conPoly(contours.size());//大小与已检测到的轮廓数量相同。每个元素都是一个 vector<Point>，用于存储每个轮廓的多边形近似。
		vector<Rect> boundRect(contours.size());//大小也与轮廓数量相同。每个元素是一个 Rect 对象，用于存储每个轮廓的边界矩形。
		string objectType;

		if (area > 1000) //过滤噪声
		{
			//找轮廓的近似多边形或曲线
			double peri = arcLength(contours[i], true);
			approxPolyDP(contours[i], conPoly[i], 0.02 * peri, true);
			
			cout << conPoly[i].size() << endl;
			boundRect[i] = boundingRect(conPoly[i]); //找每个近似曲线的最小上边界矩形
			
			int objCor = (int)conPoly[i].size();//获取当前轮廓的顶点数。conPoly[i] 是第 i 个轮廓的多边形近似，size() 方法返回顶点的数量。

			if (objCor == 3) { objectType = "Tri"; }//如果顶点数为3，那么对象被认为是一个三角形（Tri）。
			if (objCor == 4) { //如果顶点数为4，进一步检查对象的宽高比来确定它是正方形还是矩形。
				
				float aspRatio = (float)boundRect[i].width / boundRect[i].height; //宽高比
				cout << aspRatio << endl;
				if (aspRatio > 0.95 && aspRatio < 1.05) {
					objectType = "Square";
				}
				else {
					objectType = "Rect";
				}
			}
			if (objCor > 4) { objectType = "CirCle"; }

			drawContours(img, conPoly, i, Scalar(255, 0, 255), 2); //绘制滤除噪声后的所有轮廓
			rectangle(img, boundRect[i].tl(), boundRect[i].br(), Scalar(0, 255, 0), 5); //绘制边界框
			putText(img, objectType, { boundRect[i].x, boundRect[i].y - 5 }, FONT_HERSHEY_PLAIN, 1, Scalar(0, 69, 255), 1);
		}
	} 
}

int main()
{
	string path = "../lesson1_pictureRead/img1.jpg";
	Mat img = imread(path);
	Mat imgGray, imgBlur, imgCanny, imgDil;

	// Preprocessing
	cvtColor(img, imgGray, COLOR_BGR2GRAY);
	GaussianBlur(imgGray, imgBlur, Size(3, 3), 3, 0);
	Canny(imgBlur, imgCanny, 75, 125);
	Mat kernel = getStructuringElement(MORPH_RECT, Size(3, 3));
	dilate(imgCanny, imgDil, kernel);

	getContours(imgDil, img);

    namedWindow("Image",WINDOW_NORMAL);
	imshow("Image", img);
	/*imshow("Image Gray", imgGray);
	imshow("Image Blur", imgBlur);
	imshow("Image Canny", imgCanny);*/
	imshow("Image Dil", imgDil);

	waitKey(0);

	return 0;
}