opencv学习笔记（二）寻找轮廓
opencv中使用findContours函数来查找轮廓，这个函数的原型为：
void findContours(InputOutputArray image, OutputArrayOfArrays contours, OutputArray hierar-
chy, int mode, int method, Point offset=Point()) /*
参数说明： image:输入图像image必须为一个2值单通道图像； contours:为检测的轮廓数组，每一个轮廓用一个point类型的vector表示，vector<Point>，则轮廓的集合可表示为vector<vector<Point>>； hiararchy:参数和轮廓个数相同，每个轮廓contours[i]对应hierarchy元素hierarchy[i][0]—hierarchy[i][3]，分别表示后一个轮廓、前一个轮廓、父轮廓、内嵌轮廓的索引编号，如果没有对应项，该值设置为负数； mode:轮廓的检索模式 a.CV_RETR_EXTERNAL：表示只检测外轮廓 b.CV_RETR_LIST：检测的轮廓不建立登记关系 c.CV_RETR_CCOMP:建立两个等级的轮廓，上面的一层为外边界，里面的一层为内孔的边界信息。如果内孔内还有一个连通物体，这个物体的边界也在顶层。 d.CV_RETR_TREE:建立一个等级树结构的轮廓。 method:轮廓的近似方法 a.CV_CHAIN_APPROX_NONE:存储所有的轮廓点，相邻的两个点的像素位置差不超过1，即max(abs(x1-x2))，abs(y2-y1))==1 b.CV_CHAIN_APPROX_SIMPLE:压缩水平方向，垂直方向，对角线方向的元素，只保留该方向的终点坐标，例如一个矩形轮廓只需4个点来保存轮廓信息
c.CV_CHAIN_APPROX_TC89_L1,CV_CHAIN_APPROX_TC89_KCOS使用teh-Chinl chain 近似算法offset表示代表轮廓点的偏移量，可以设置为任意值。对ROI图像中找出的轮廓，并要在整个图像中进行分析时，这个参数还是很有用的。
*/
findContours后会对输入的2值图像改变，所以如果不想改变该2值图像，需创建新mat来存放，findContours后的轮廓信息contours可能过于复杂不平滑，可以用approxPolyDP函数对该多边形曲线做适当近似；contourArea函数可以得到当前轮廓包含区域的大小，方便轮廓的筛选。
findContours函数经常与drawcontours配合使用，用来将轮廓绘制出来，函数原型为：
void drawContours(InputOutputArray image, InputArrayOfArrays contours, int contourIdx, const Scalar& color, int thickness=, int lineType=, InputArray hierarchy=noArray(), int maxLevel=INT_MAX, Point offset=Point() ) /*
参数说明： image:目标图像 contours:输入的轮廓组，每一组轮廓由点vector构成 contourIdx:指明画第几个轮廓，如果该参数为负值，则画全部轮廓 color:轮廓的颜色 thickness:轮廓的线宽，如果为负值或CV_FILLED表示填充轮廓内容 lineType:为线型 hierarchy:如果你想画出图像的一部分轮廓，那么你就需要它 maxLevel:用于画轮廓的最大成，如果为0，只是画出指定轮廓，如果为1，画出第一层的所有轮廓，如果为2，画出第一和第二层的所有轮廓，依次类推，这个参数只有在有层次关系的时候被使用 offset:每个轮廓点的偏移量 */
得到了复杂轮廓往往不适合特征的检测，这里再介绍一个点集凸包络的提取函数convexHull，输入参数就可以是contours组中的一个轮廓，返回外凸包络的点集。
还可以得到轮廓的外包络矩形，使用boundingRect，函数原型为：
Rect boundingRect(InputArray points) // points：二维点集
// 返回：包围轮廓的2D矩形的模板类Rect
//功能：对指定的点集进行包含，使得形成一个最合适的正向矩形框把当前指定的点集都框住
如果想得到旋转的外包络矩形，使用函数minAreaRect 函数原型：
RotatedRect minAreaRect(InputArray points)
//points:输入的2维向量点，其类型为：std::vector<> or Mat
////函数功能：为一个指定的点集计算并返回的最小边界矩形(可能旋转)
4 //返回值类型：RotatedRect
也可以得到轮廓的外包络圆，对应的函数为minEnclosingCircle；想得到轮廓的外包络椭圆，对应的函数为fitEllipse，返回值也是RotatedRect类型，可以用ellipse函数画出对应的椭圆；
如果想根据多边形的轮廓信息得到多边形的多阶矩，可以使用类moments；
如果想获得一点与多边形封闭轮廓信息，可以调用pointPolygonTest函数，这个函数返回值为该点距离轮廓最近边界的距离，为正值为在轮廓内部，负值为在轮廓外部，0表示在边界上。
Example
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include <iostream>
using namespace cv;
using namespace std;
int main()
{ const char* inputImage = "rice.jpg";//输入图像名称
Mat img;
img = imread(inputImage, );
//判断图像存在与否
if (img.empty())
{
cout << "Could not read input image file: " << inputImage << endl;
return -;
} namedWindow("Img", );
imshow("Img", img);
//二值化，为提取轮廓做准备
threshold(img, img, , , CV_THRESH_OTSU + CV_THRESH_BINARY);
namedWindow("thr_img", );
imshow("thr_img", img);
//创建轮廓集合
vector<vector<Point> > contours;
//创建层级hierarchy
vector<Vec4i>hierarchy;
Mat dst = Mat::zeros(img.rows, img.cols, CV_8UC3);
findContours(img, contours, hierarchy, CV_RETR_CCOMP, CV_CHAIN_APPROX_SIMPLE);
if (!contours.empty() && !hierarchy.empty())
{
int idx = ;
for (; idx >= ; idx = hierarchy[idx][])//hierarchy[idx][0]表示当前轮廓序号idx的下一个轮廓
{
Scalar color((rand() & ), (rand() & ), (rand() & ));
drawContours(dst, contours, idx, color, , , hierarchy);
}
}
namedWindow("Connected Components", );
imshow("Connected Components", dst);
waitKey();
return ;
}