opencv::轮廓发现(find contour in your image)

 

轮廓发现(find contour)
轮廓发现是基于图像边缘提取的基础寻找对象轮廓的方法。
所以边缘提取的阈值选定会影响最终轮廓发现结果

 

 

//发现轮廓
cv::findContours(
    InputOutputArray  binImg,         // 输入图像,非0的像素被看成1,0的像素值保持不变,8-bit
    OutputArrayOfArrays  contours,    // 全部发现的轮廓对象
    OutputArray,  hierachy            // 图该的拓扑结构,可选,该轮廓发现算法正是基于图像拓扑结构实现。
    int mode,                         // 轮廓返回的模式
    int method,                        // 发现方法
    Point offset=Point()            // 轮廓像素的位移,默认(0, 0)没有位移
)

//绘制轮廓
drawContours(
    InputOutputArray  binImg,         // 输出图像
    OutputArrayOfArrays  contours,    //  全部发现的轮廓对象
    Int contourIdx                    // 轮廓索引号
    const Scalar & color,            // 绘制时候颜色
    int  thickness,                    // 绘制线宽
    int  lineType ,                    // 线的类型LINE_8
    InputArray hierarchy,            // 拓扑结构图
    int maxlevel,                    // 最大层数, 0只绘制当前的,1表示绘制绘制当前及其内嵌的轮廓
    Point offset=Point()            // 轮廓位移,可选
}

 

 

Mat src, dst;
int threshold_value = 100;
int threshold_max = 255;
RNG rng;
void Demo_Contours(int, void*);
int main(int argc, char** argv) {
    src = imread(STRPAHT);
    if (src.empty()) {
        printf("could not load image...\n");
        return -1;
    }

    cvtColor(src, src, CV_BGR2GRAY);
    createTrackbar("Threshold Value:", "findcontours - demo", &threshold_value, threshold_max, Demo_Contours);
    Demo_Contours(0, 0);

    waitKey(0);
    return 0;
}

void Demo_Contours(int, void*) {
    Mat canny_output;
    vector<vector<Point>> contours;
    vector<Vec4i> hierachy;
    Canny(src, canny_output, threshold_value, threshold_value * 2, 3, false);
   //发现 findContours(canny_output, contours, hierachy, RETR_TREE, CHAIN_APPROX_SIMPLE, Point(0, 0)); dst = Mat::zeros(src.size(), CV_8UC3); RNG rng(12345); for (size_t i = 0; i < contours.size(); i++) { Scalar color = Scalar(rng.uniform(0, 255), rng.uniform(0, 255), rng.uniform(0, 255));
     //绘制 drawContours(dst, contours, i, color, 2, 8, hierachy, 0, Point(0, 0)); } imshow("output_win", dst); }

 

上一篇:8.特征选择


下一篇:mac使用python识别图形验证码