轉摘網址為：http://www.cnblogs.com/slysky/archive/2011/10/14/2212227.html
雖然Canny之類的邊緣檢測算法可以根據像素間的差異檢測出輪廓邊界的像素，但是它並沒有將輪廓作為一個整體。下一步是要將這些邊緣像素組裝成輪廓。
輪廓是構成任何一個形狀的邊界或外形線。直方圖對比和模板匹配根據色彩及色彩的分布來進行匹配，以下包括：輪廓的查找、表達方式、組織方式、繪制、特性、匹配。
首先回憶下幾個結構體：
首先是圖像本身的結構體：
typedef struct CvMat
{
int type; /* CvMat 標識 (CV_MAT_MAGIC_VAL), 元素類型和標記 */
int step; /* 以字節為單位的行數據長度*/
int* refcount; /* 數據引用計數 */
union
{
uchar* ptr;
short* s;
int* i;
float* fl;
double* db;
} data;
union
{
int rows;
int height;
};
union
{
int cols;
int width;
};
這個結構體是最基礎的矩陣，而圖像本身就是一個復雜的矩陣，所以圖像是對這個結構體的繼承：
typedef struct _IplImage
{
int nSize; /* IplImage大小 */
int ID; /* 版本 (=0)*/
int nChannels; /* 大多數OPENCV函數支持1,2,3 或 4 個通道 */
int alphaChannel; /* 被OpenCV忽略 */
int depth; /* 像素的位深度: IPL_DEPTH_8U, IPL_DEPTH_8S, IPL_DEPTH_16U,
IPL_DEPTH_16S, IPL_DEPTH_32S, IPL_DEPTH_32F and IPL_DEPTH_64F 可支持 */
char colorModel[4]; /* 被OpenCV忽略 */
char channelSeq[4]; /* 同上 */
int dataOrder; /* 0 - 交叉存取顏色通道, 1 - 分開的顏色通道.
cvCreateImage只能創建交叉存取圖像 */
int origin; /* 0 - 頂—左結構,1 - 底—左結構 (Windows bitmaps 風格) */
int align; /* 圖像行排列 (4 or 8). OpenCV 忽略它，使用 widthStep 代替 */
int width; /* 圖像寬像素數 */
int height; /* 圖像高像素數*/
struct _IplROI *roi;/* 圖像感興趣區域. 當該值非空只對該區域進行處理 */
struct _IplImage *maskROI; /* 在 OpenCV中必須置NULL */
void *imageId; /* 同上*/
struct _IplTileInfo *tileInfo; /*同上*/
int imageSize; /* 圖像數據大小(在交叉存取格式下imageSize=image->height*image->widthStep），單位字節*/
char *imageData; /* 指向排列的圖像數據 */
int widthStep; /* 排列的圖像行大小，以字節為單位 */
int BorderMode[4]; /* 邊際結束模式, 被OpenCV忽略 */
int BorderConst[4]; /* 同上 */
char *imageDataOrigin; /* 指針指向一個不同的圖像數據結構（不是必須排列的），是為了糾正圖像內存分配准備的 */
}IplImage;
值得注意的地方：首先是origin這個，當有些圖像復制或者視頻播放時候，由於原點坐標位置未定，很容造成圖片倒置。這時就得用void cvFlip( const CvArr* src, CvArr* dst=NULL, int flip_mode=0)函數或者直接設定origin來改變坐標原點；widthstep就是CvMat的step；
構造方法：IplImage* cvCreateImage( CvSize size, int depth, int channels );
直方圖結構：
typedef struct CvHistogram
{
int type;
CvArr* bins;
float thresh[CV_MAX_DIM][2]; /* 對於標准直方圖，bins的值有左邊界+右邊界=2 */
float** thresh2; /* 對於非標准直方圖 */
CvMatND mat; /* embedded matrix header for array histograms */
}CvHistogram;
因此，由於直方圖的復雜性，得到一個圖片的直方圖的步驟就不是一個函數完成的：
1，分割圖片通道
2，求出bins數量及范圍
3，CvHistogram* cvCreateHist( int dims, int* sizes, int type,float** ranges=NULL, int uniform=1 );
創建直方圖
4，void cvCalcHist( IplImage** image, CvHistogram* hist,int accumulate=0, const CvArr* mask=NULL );
計算直方圖
下面開始輪廓的學習。
查找輪廓
首先是如何在圖像中找到輪廓，可以利用OpenCV提供的方法cvFindContours（）可以很方便的查找輪廓。
cvFindContours()方法從二值圖像中尋找輪廓。因此此方法處理的圖像可以是從cvCanny（）函數得到的有邊緣像素的圖像，或者從cvThreshold（）及cvAdaptiveThreshold（）得到的圖像，這時的邊緣是正和負區域之間的邊界。
既然在查找之前，我們需要將彩色圖像轉換成灰度圖像，然后再將灰度圖像轉換成二值圖像。代碼如下所示：
1 CvSeq *contours = 0;
2 cvCvtColor(src,dst,CV_BGR2GRAY);//將源圖像進行灰度化
3 cvThreshold(dst,dst,f_thresh,255,CV_THRESH_BINARY);//二值化閾值 雖然第一個參數是const,但仍可以更改dst
4 cvFindContours(dst,f_storage,&contours); //查找輪廓
5 cvZero(dst);
輪廓的表達方式
使用上面的代碼可以得到圖像的默認輪廓，但是輪廓在電腦中是如何表達的呢？在OpenCv中提供了兩類表達輪廓的方式：頂點的序列、Freeman鏈碼。
首先介紹下內存存儲器的概念，這是OpenCV在創建動態對象時存取內存的技術。
CvMemStorage* cvCreateMemStorage( int block_size=0 );//創建默認值大小的內存空間
void cvReleaseMemStorage( CvMemStorage** storage );//釋放內存空間
void cvClearMemStorage( CvMemStorage* storage );//清空內存塊，可以用於重復使用，將內存返還給存儲器，而不是返回給系統
void *cvMemStorageAlloc(CvMemStorage *storage,size_t size);//開辟內存空間
序列
序列是內存存儲器中可以存儲的一種對象。序列是某種結構的鏈表。序列在內存中被實現為一個雙端隊列，因此序列可以實習快速的隨機訪問，以及快速刪除頂端的元素，但是從中間刪除元素則稍慢些。
序列結構：
CvSeq
可動態增長元素序列(OpenCV_1.0已發生改變，詳見cxtypes.h) Growable sequence of elements
#define CV_SEQUENCE_FIELDS() /
int flags; /* micsellaneous flags */ /
int header_size; /* size of sequence header */ /
struct CvSeq* h_prev; /* previous sequence */ /
struct CvSeq* h_next; /* next sequence */ /
struct CvSeq* v_prev; /* 2nd previous sequence */ /
struct CvSeq* v_next; /* 2nd next sequence */ /
int total; /* total number of elements */ /
int elem_size;/* size of sequence element in bytes */ /
char* block_max;/* maximal bound of the last block */ /
char* ptr; /* current write pointer */ /
int delta_elems; /* how many elements allocated when the sequence grows (sequence granularity) */ /
CvMemStorage* storage; /* where the seq is stored */ /
CvSeqBlock* free_blocks; /* free blocks list */ /
CvSeqBlock* first; /* pointer to the first sequence block */
typedef struct CvSeq
{
CV_SEQUENCE_FIELDS()
} CvSeq;
相關操作就不重復列出(排序，查找，逆序，拆分，復制，讀取，寫入切片的復制，移除，插入，)，可以查找相關文檔。
1.頂點的序列
用多個頂點（或各點間的線段）來表達輪廓。假設要表達一個從(0,0)到(2,2)的矩形，
（1）如果用點來表示，那么依次存儲的可能是：(0,0),(1,0),(2,0),(2,1),(2,2),(1,2),(0,2),(0,1)；
（2）如果用點間的線段來表達輪廓，那么依次存儲的可能是：(0,0),(2,0),(2,2),(0,2)。
2.Freeman鏈碼
Freeman鏈碼需要一個起點，以及從起點出發的一系列位移。每個位移有8個方向，從0～7分別指向從正北開始的8個方向。假設要用Freeman鏈碼表達從(0,0)到(2,2)的矩形，可能的表示方法是：起點(0,0),方向鏈2,2,4,4,6,6,0,0。
輪廓之間的組織方式
在查找到輪廓之后，不同輪廓是怎么組織的呢？根據不同的選擇，它們可能是：（1）列表；（2）雙層結構；（3）樹型結構。
從縱向上來看，列表只有一層，雙層結構有一或者兩層，樹型結構可能有一層或者多層。
如果要遍歷所有的輪廓，可以使用遞歸的方式。
輪廓的繪制
輪廓的繪制比較簡單，用上面提到的方法取得輪廓的所有點，然后把這些點連接成一個多邊形即可。
輪廓的一個例子為：OpenCV_輪廓例子
上例中檢測出輸入圖像的輪廓，然后逐個繪制每個輪廓。下個例子為：
在輸入圖像上尋找並繪制輪廓
輪廓的特性
輪廓的特性有很多，下面一一介紹。
1.輪廓的多邊形逼近
輪廓的多邊形逼近指的是：使用多邊形來近似表示一個輪廓。
多邊形逼近的目的是為了減少輪廓的頂點數目。
多邊形逼近的結果依然是一個輪廓，只是這個輪廓相對要粗曠一些。
可以使用方法cvApproxPoly()
2.輪廓的關鍵點
輪廓的關鍵點是：輪廓上包含曲線信息比較多的點。關鍵點是輪廓頂點的子集。
可以使用cvFindDominantPoints函數來獲取輪廓上的關鍵點，該函數返回的結果一個包含 關鍵點在輪廓頂點中索引 的序列。再次強調：是索引，不是具體的點。如果要得到關鍵點的具體坐標，可以用索引到輪廓上去找。
3.輪廓的周長和面積
輪廓的周長可以用cvContourPerimeter或者cvArcLength函數來獲取。
輪廓的面積可以用cvContourArea函數來獲取。
4.輪廓的邊界框
有三種常見的邊界框：矩形、圓形、橢圓。
（1）矩形：在圖像處理系統中提供了一種叫Rectangle的矩形，不過它只能表達邊垂直或水平的特例；OpenCv中還有一種叫Box的矩形，它跟數學上的矩形一致，只要4個角是直角即可。
如果要獲取輪廓的Rectangle，可以使用cvBoundingRect函數。
如果要獲取輪廓的Box，可以使用cvMinAreaRect2函數。
（2）圓形
如果要獲取輪廓的圓形邊界框，可以使用cvMinEnclosingCircle函數。
（3）橢圓
如果要獲取輪廓的橢圓邊界框，可以使用cvFitEllipse2函數。
5.輪廓的矩
矩是通過對輪廓上所有點進行積分運算（或者認為是求和運算）而得到的一個粗略特征。
在連續情況下，圖像函數為
f(x,y)，那么圖像的p+q階幾何矩（標准矩）定義為：
p ,q = 0,1,2……
p+q階中心距定義為：
p,q = 0,1,2……
其中
和
代表圖像的重心，
,
對於離散的數字圖像，采用求和號代替積分：
,
,p,q = 0,1,2 ……
N和M分別是圖像的高度和寬度；
歸一化的中心距定義為：
；其中
在公式中，p對應x維度上的矩，q對應y維度上的矩，階數表示對應的部分的指數。該計算是對輪廓界上所有像素（數目為n）進行求和。如果p和q全部為0，那么m00實際上對應輪廓邊界上點的數目。
雖然可以直接計算出輪廓的矩，但是經常會用到歸一化的矩（因此不同大小但是形狀相同的物體會有相同的值）。同樣，簡單的矩依賴於所選坐標系，這意味着物體旋轉后就無法正確匹配。
於是就產生了Hu矩以及其他歸一化矩的函數。
Hu矩是歸一化中心矩的線性組合。之所以這樣做是為了能夠獲取代表圖像某個特征的矩函數。這些矩函數對縮放，旋轉和鏡像映射出了（h1）具有不變性。
Hu矩是從中心矩中計算得到。即七個由歸一化中心矩組合成的矩:
其中中心矩和歸一化中心矩的定義為：
我們可以使用cvContoursMoments函數、cvMoments函數方便的得到輪廓的矩集，然后再相應的方法或函數獲取各種矩。
特定的矩：cvGetSpatialMoment函數
中心矩：cvGetCentralMoment函數
歸一化中心矩：cvGetNormalizedCentralMoment函數
Hu矩：cvGetHuMoments函數
6.輪廓的輪廓樹
輪廓樹用來描述某個特定輪廓的內部特征。注意：輪廓樹跟輪廓是一一對應的關系；輪廓樹不用於描述多個輪廓之間的層次關系。
輪廓樹的創建過程：
從一個輪廓創建一個輪廓樹是從底端（葉子節點）到頂端（根節點）的。首先搜索三角形突出或者凹陷的形狀的周邊（輪廓上的每一個點都不是完全和它的相鄰點共線的）每個這樣的三角形被一條線段代替，這條線段通過連接非相鄰點的兩點得到；因此實際上三角形或者被削平或者被填滿。每個這樣的替換都把輪廓的頂點減少，並且給輪廓樹創建一個新節點。如果這樣的一個三角形的兩側有原始邊，那么她就是得到的輪廓樹的葉子；如果一側已是一個三角形，那么它就是那個三角形的父節點。這個過程的迭代最終把物體的外形簡稱一個四邊形，這個四邊形也被剖開；得到的兩個三角形是根節點的兩個子節點。
結果的二分樹最終將原始輪廓的形狀性比編碼。每個節點被它所對應的三角形的信息所注釋。
這樣建立的輪廓樹並不太魯棒，因為輪廓上小的改變也可能會徹底改變結果的樹，同時最初的三角形是任意選取的。為了得到較好的描述需要首先使用函數cvApproxPoly（）之后將輪廓排列（運用循環移動）成最初的三角形不怎么收到旋轉影響的狀態。
可以用函數cvCreateContourTree來構造輪廓樹。
7.輪廓的凸包和凸缺陷
輪廓的凸包和凸缺陷用於描述物體的外形。凸包和凸缺陷很容易獲得，不過我目前不知道它們到底怎么使用。
如果要判斷輪廓是否是凸的，可以用cvCheckContourConvexity函數。
如果要獲取輪廓的凸包，可以用cvConvexHull2函數，返回的是包含頂點的序列。
如果要獲取輪廓的凸缺陷，可以用cvConvexityDefects函數。
8.輪廓的成對幾何直方圖
成對幾何直方圖（pairwise geometrical histogram PGH）是鏈碼編碼直方圖（chain code histogram CCH）的一個擴展或者延伸。CCH是一種直方圖，用來統計一個輪廓的Freeman鏈碼編碼每一種走法的數字。這種直方圖的一個優良性質為當物體旋轉45度，那么新直方圖是老直方圖的循環平移。這樣就可以不受旋轉影響。
（1）輪廓保存的是一系列的頂點，輪廓是由一系列線段組成的多邊形。對於看起來光滑的輪廓（例如圓），只是線段條數比較多，線段長度比較短而已。實際上，電腦中顯示的任何曲線都由線段組成。
（2）每兩條線段之間都有一定的關系，包括它們（或者它們的延長線）之間的夾角，兩條線段的夾角范圍是：(0,180)。
（3）每兩條線段上的點之間還有距離關系，包括最短（小）距離、最遠（大）距離，以及平均距離。最大距離我用了一個偷懶的計算方法，我把輪廓外界矩形的對角線長度看作了最大距離。
（4）成對幾何直方圖所用的統計數據包括了夾角和距離。
輪廓的匹配
如果要比較兩個物體，可供選擇的特征很多。如果要判斷某個人的性別，可以根據他（她）頭發的長短來判斷，這很直觀，在長發男稀有的年代准確率也很高。也可以根據這個人尿尿的射程來判斷，如果射程大於0.50米，則是男性。總之，方法很多，不一而足。
我們在上文中得到了輪廓的這么多特征，它們也可以用於進行匹配。典型的輪廓匹配方法有：Hu矩匹配、輪廓樹匹配、成對幾何直方圖匹配。
1.Hu矩匹配
輪廓的Hu矩對包括縮放、旋轉和鏡像映射在內的變化具有不變性。cvMatchShapes函數可以很方便的實現對2個輪廓間的匹配。
2.輪廓樹匹配
用樹的形式比較兩個輪廓。cvMatchContourTrees函數實現了輪廓樹的對比。
3.成對幾何直方圖匹配
在得到輪廓的成對幾何直方圖之后，可以使用直方圖對比的方法來進行匹配。