OpenCV（cv::findContours()）

• 1. 函数定义
• 2. 示例
• 3. 常见应用
• 4. 注意事项

cv::findContours() 是 OpenCV 中用于检测图像中的轮廓的函数。

1. 函数定义

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

参数：

1. image:

   • 类型: InputOutputArray（通常是二值化后的图像）
   • 描述: 输入图像，通常是灰度图像或二值图像。该图像会被函数修改，因此如果你想保留原始图像，建议传入其副本。可以使用 cv::Canny() 或 cv::threshold() 生成适合轮廓检测的二值图像。

2. contours:

   • 类型: OutputArrayOfArrays
   • 描述: 输出的轮廓。每个轮廓是一个点的列表。例如，contours[i] 表示第 i 个轮廓，它是图像中一系列连接的点集。

3. hierarchy:

   • 类型: OutputArray
   • 描述: 输出的轮廓层次结构。它是一个包含四个整数的向量，分别表示同一级别的前一个轮廓、下一个轮廓、父轮廓和子轮廓。通过该层次结构可以了解轮廓之间的嵌套关系。

4. mode:

   • 类型: int
   • 描述: 轮廓的检索模式，决定如何组织轮廓数据。取值可以是：
     • cv::RETR_EXTERNAL: 只提取外部轮廓，即不考虑嵌套的轮廓。
     • cv::RETR_LIST: 提取所有的轮廓，但不创建层次关系。
     • cv::RETR_CCOMP: 提取所有的轮廓并将它们组织成两级层次。顶层是外部轮廓，第二层是内部轮廓。
     • cv::RETR_TREE: 提取所有轮廓并重构完整的嵌套轮廓的层次结构。

5. method:

   • 类型: int
   • 描述: 轮廓的近似方法。取值可以是：
     • cv::CHAIN_APPROX_NONE: 存储所有的轮廓点，不进行压缩。
     • cv::CHAIN_APPROX_SIMPLE: 仅存储拐点信息（去除冗余的中间点）。
     • cv::CHAIN_APPROX_TC89_L1, cv::CHAIN_APPROX_TC89_KCOS: 使用 Teh-Chin 链逼近算法。

6. offset:

   • 类型: Point
   • 描述: 轮廓中所有点的偏移量。这在需要对轮廓点进行平移时非常有用。

返回值：

该函数没有返回值。轮廓信息通过 contours 和 hierarchy 输出。

2. 示例

#include <opencv2/opencv.hpp>
using namespace cv;
using namespace std;

int main() {
    Mat src = imread("image.png", IMREAD_GRAYSCALE);
    Mat binarized;
    threshold(src, binarized, 128, 255, THRESH_BINARY);

    vector<vector<Point>> contours;
    vector<Vec4i> hierarchy;

    // 检测轮廓
    findContours(binarized, contours, hierarchy, RETR_TREE, CHAIN_APPROX_SIMPLE);

    // 绘制轮廓
    Mat output = Mat::zeros(src.size(), CV_8UC3);
    for (size_t i = 0; i < contours.size(); i++) {
        drawContours(output, contours, static_cast<int>(i), Scalar(0, 255, 0), 2, 8, hierarchy);
    }

    imshow("Contours", output);
    waitKey(0);
    return 0;
}

功能解析：

• 二值化图像: 为了使 cv::findContours() 正常工作，输入图像通常需要二值化（即背景和前景分离）。通过 cv::threshold() 或 cv::Canny() 可以生成二值图像。

• 轮廓近似: 使用 CHAIN_APPROX_SIMPLE 会显著减少存储轮廓的点数，因为它只会存储关键点，如直线段的拐点。这在处理复杂图像时，可以显著减少内存消耗。

• 层次结构: hierarchy 数组能够提供轮廓的嵌套关系。例如，可以通过层次结构分析一个轮廓是否是另一个轮廓的子轮廓（例如洞内的对象）。这在分析复杂的图像时很有用。

3. 常见应用

1. 对象检测: 检测并标记图像中的物体轮廓。
2. 形状分析: 使用轮廓数据进行形状匹配和分析，例如计算轮廓的周长、面积等。
3. 目标分割: 通过检测并处理轮廓，可以将图像中的对象分割出来用于后续处理。

4. 注意事项

• 输入图像: cv::findContours() 会修改输入图像，因此如果需要保留原始图像，应该传递图像的副本。
• 轮廓检测模式: 根据应用场景选择合适的 mode，例如在需要层次结构时选择 RETR_TREE，而只需要外部轮廓时选择 RETR_EXTERNAL。
• 图像预处理: 确保输入图像经过适当的预处理（如二值化），以获得正确的轮廓结果。