• 工具环境
• 图像边缘提取
• 代码分析
  • findContours函数

引言

在网络上看到一个关于一个傅里叶变换实现动画描绘的文章， 一个有趣的傅里叶动画，觉得很有意思，并进行了复现。由于前端动画篇幅太多，下面简单展示了关于图像边缘提取的部分。

工具环境

• opencv4.2+vs2017
• vscode

完整工程代码

图像边缘提取

#include<opencv2/opencv.hpp>
#include<opencv2/imgproc/types_c.h>
#include <opencv2/core.hpp>
#include <opencv2/highgui.hpp>
#include <iostream> 
#include <fstream>
#include <math.h>
using namespace cv;
using namespace std;
int main()
{
	Mat src = imread("640.png");
	Mat grayImage;
	cvtColor(src, grayImage, CV_BGR2GRAY);  //灰度处理
	GaussianBlur(grayImage, grayImage, Size(3, 3), 0, 0);  //高斯模糊处理
	threshold(grayImage, grayImage, 128, 255, CV_THRESH_BINARY);  //二值化处理
	Mat cannyImage;
	Canny(grayImage, cannyImage, 128, 255, 3);    //提取边缘算子
	vector<vector<Point>> contours;
	vector<Vec4i> hierarchy;
	//contours为输出的轮廓数据集合
	findContours(cannyImage, contours, hierarchy, CV_RETR_LIST, CV_CHAIN_APPROX_NONE, Point(0, 0));
	//findContours(grayImage, contours, hierarchy, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_NONE, Point(0, 0));
	for (int i = 0; i < contours.size(); i++)
	{
		for (int j = 0; j < contours[i].size(); j++)
		{
			cout << contours[i][j].x << ", " << contours[i][j].y << ", ";
			ofstream f;
			f.open("640.txt", ios::out | ios::app);
			f << contours[i][j].x << ", " << contours[i][j].y << ", ";
		}
	}
	Mat imageContours = Mat::zeros(src.size(), CV_8UC1);
	Mat Contours = Mat::zeros(src.size(), CV_8UC1);  //绘制
	for (int i = 0; i < contours.size(); i++)
	{
		//contours[i]代表的是第i个轮廓，contours[i].size()代表的是第i个轮廓上所有的像素点数
		for (int j = 0; j < contours[i].size(); j++)
		{
			//绘制出contours向量内所有的像素点
			Point P = Point(contours[i][j].x, contours[i][j].y);
			Contours.at<uchar>(P) = 255;
		}

		//输出hierarchy向量内容
		char ch[256];
		sprintf_s(ch, "%d", i);
		string str = ch;
		cout << "向量hierarchy的第" << str << " 个元素内容为：" << endl << hierarchy[i] << endl << endl;

		//绘制轮廓
		drawContours(imageContours, contours, i, Scalar(255), 1, 8, hierarchy);
	}
	imshow("Contours Image", imageContours); //轮廓
	imshow("Point of Contours", Contours);   //向量contours内保存的所有轮廓点集
	waitKey(0);

	return 0;
}

代码分析

findContours函数

• 原型

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

• 第一个参数：image，单通道图像矩阵，可以是灰度图，但更常用的是二值图像，一般是经过Canny、拉普拉斯等边缘检测算子处理过的二值图像；

• 第二个参数：contours，定义为“vector<vector> contours”，是一个向量，并且是一个双重向量，向量内每个元素保存了一组由连续的Point点构成的点的集合的向量，每一组Point点集就是一个轮廓。有多少轮廓，向量contours就有多少元素。

• 第三个参数：hierarchy，定义为“vector hierarchy”，先来看一下Vec4i的定义：

typedef    Vec<int, 4>   Vec4i;                                                                       

Vec4i是Vec<int,4>的别名，定义了一个“向量内每一个元素包含了4个int型变量”的向量。所以从定义上看，hierarchy也是一个向量，向量内每个元素保存了一个包含4个int整型的数组。向量hiararchy内的元素和轮廓向量contours内的元素是一一对应的，向量的容量相同。 hierarchy向量内每一个元素的4个int型变量——hierarchy[i][0] ~hierarchy[i][3]，分别表示第i个轮廓的后一个轮廓、前一个轮廓、父轮廓、内嵌轮廓的索引编号。如果当前轮廓没有对应的后一个轮廓、前一个轮廓、父轮廓或内嵌轮廓的话，则hierarchy[i][0] ~hierarchy[i][3]的相应位被设置为默认值-1。

• 第四个参数：int型的mode，定义轮廓的检索模式：

取值一：CV_RETR_EXTERNAL只检测最外围轮廓，包含在外围轮廓内的内围轮廓被忽略

取值二：CV_RETR_LIST 检测所有的轮廓，包括内围、外围轮廓，但是检测到的轮廓不建立等级关系，彼此之间独立，没有等级关系，这就意味着这个检索模式下不存在父轮廓或内嵌轮廓，所以hierarchy向量内所有元素的第3、第4个分量都会被置为-1。

取值三：CV_RETR_CCOMP 检测所有的轮廓，但所有轮廓只建立两个等级关系，外围为顶层，若外围内的内围轮廓还包含了其他的轮廓信息，则内围内的所有轮廓均归属于顶层

取值四：CV_RETR_TREE， 检测所有轮廓，所有轮廓建立一个等级树结构。外层轮廓包含内层轮廓，内层轮廓还可以继续包含内嵌轮廓。

第五个参数：int型的method，定义轮廓的近似方法： :::

取值一：CV_CHAIN_APPROX_NONE 保存物体边界上所有连续的轮廓点到contours向量内

取值二：CV_CHAIN_APPROX_SIMPLE 仅保存轮廓的拐点信息，把所有轮廓拐点处的点保存入contours 向量内，拐点与拐点之间直线段上的信息点不予保留

取值三和四：CV_CHAIN_APPROX_TC89_L1，CV_CHAIN_APPROX_TC89_KCOS使用teh-Chinl chain 近 似算法

:::

第六个参数：Point偏移量，所有的轮廓信息相对于原始图像对应点的偏移量，相当于在每一个检测出的轮廓点上加上该偏移量，并且Point还可以是负值！

参考

https://www.stubbornhuang.com/441/