opencv輪廓外接矩形

1.尋找輪廓

api

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

各個參數詳解如下：

• Image表示輸入圖像，必須是二值圖像，二值圖像可以threshold輸出、Canny輸出、inRange輸出、自適應閾值輸出等。
• Contours獲取的輪廓，每個輪廓是一系列的點集合
• Hierarchy輪廓的層次信息，每個輪廓有四個相關信息，分別是同層下一個、前一個、第一個子節點、父節點
• mode 表示輪廓尋找時候的拓撲結構返回 -RETR_EXTERNAL表示只返回最外層輪廓 -RETR_TREE表示返回輪廓樹結構

  • CV_RETR_EXTERNAL：只檢測外輪廓。忽略輪廓內部的洞

  • CV_RETR_LIST：檢測所有輪廓，但不建立繼承(包含)關系

  • CV_RETR_TREE：檢測所有輪廓，並且建立所有的繼承(包含)關系。也就是說用CV_RETR_EXTERNAL和CV_RETR_LIST方法的時候hierarchy這個變量是沒用的，因為前者沒有包含關系，找到的都是外輪廓，后者僅僅是找到所喲的輪廓但並不把包含關系區分。用TREE這種檢測方法的時候我們的hierarchy這個參數才是有意義的

  • CV_RETR_CCOMP：檢測所有輪廓，但是僅僅建立兩層包含關系。外輪廓放到頂層，外輪廓包含的第一層內輪廓放到底層，如果內輪廓還包含輪廓，那就把這些內輪廓放到頂層去。

• Method表示輪廓點集合取得是基於什么算法，常見的是基於CHAIN_APPROX_SIMPLE鏈式編碼方法

注意，如果圖像底色是白色，則檢測最外層的輪廓為圖像邊框

 

2.繪制輪廓外接矩形

繪制外接矩形包括兩種：

• 繪制最大外接矩形

（Rect cv::boundingRect( InputArray points )）

其中，輸入參數points為一系列點的集合（findContours中contours中的一個元素），對輪廓來說就是該輪廓的點集 返回結果是一個矩形，x, y, w, h

• 繪制最小外接矩形

RotatedRect cv::minAreaRect( InputArray points )

 

其中，輸入參數points為一系列點的集合（findContours中contours中的一個元素） ，對輪廓來說就是該輪廓的點集 返回結果是一個旋轉矩形，包含下面的信息： - 矩形中心位置 - 矩形的寬高 - 旋轉角度。

 

3.代碼

EdgeDetection.h

#pragma once
#include<opencv2/opencv.hpp>
#include<iostream>

using namespace std;
using namespace cv;


class EdgeDetection
{
    cv::Mat m_img;
    cv::Mat m_canny;
public:
    EdgeDetection(cv::Mat iamge);
    bool cannyProcess(unsigned int downThreshold,unsigned int upThreshold);
    bool getContours();
    
    ~EdgeDetection();
};

EdgeDetection.cpp

#include "EdgeDetection.h"

EdgeDetection::EdgeDetection(cv::Mat image)
{
    m_img = image;
}

bool EdgeDetection::cannyProcess(unsigned int downThreshold, unsigned int upThreshold)
{
    bool ret=true;

    if (m_img.empty())
    {
        ret = false;
    }

    cv::Canny(m_img, m_canny, downThreshold, upThreshold);
    cv::imshow("Canny", m_canny); 

    return ret;
}

bool EdgeDetection::getContours()
{
    bool ret = true;
    if (m_canny.empty())
    {
        ret = false;
    }
    
    cv::Mat k = cv::getStructuringElement(cv::MORPH_RECT, cv::Size(3, 3), cv::Point(-1, -1));
    cv::dilate(m_canny, m_canny, k);
    imshow("dilate", m_canny);
    
    // 輪廓發現與繪制
    vector<vector<cv::Point> > contours;
    vector<Vec4i> hierarchy;
    findContours(m_canny, contours, cv::RETR_EXTERNAL, CHAIN_APPROX_SIMPLE, Point());

    for (size_t i = 0; i < contours.size();++i)
    {
        // 最大外接輪廓
        cv::Rect rect = cv::boundingRect(contours[i]);
        cv::rectangle(m_img,rect,cv::Scalar(0,255,0),2,LINE_8);


        // 最小外接輪廓
        RotatedRect rrt = minAreaRect(contours[i]);
        Point2f pts[4];
        rrt.points(pts);
        // 繪制旋轉矩形與中心位置
        for (int i = 0; i < 4; i++) {
            line(m_img, pts[i % 4], pts[(i + 1) % 4], Scalar(0, 0, 255), 2, 8, 0);
        }
        Point2f cpt = rrt.center;
        circle(m_img, cpt, 2, Scalar(255, 0, 0), 2, 8, 0);
    }





    imshow("contours", m_img);
    return ret;
}

EdgeDetection::~EdgeDetection()
{
}

main.cpp

#include"EdgeDetection.h"
using namespace std;
using namespace cv;



int main(int argc, char* argv[])
{
    Mat src = imread("rect.jpg");
    if (src.empty())
    {
        cout << "image is empty" << endl;
        return -1;
    }

    imshow("input", src);

    EdgeDetection ed(src);

    ed.cannyProcess(80,160);
    ed.getContours();

    waitKey(0);
    return 0;
}

原圖

 

 canny

 

 目標圖