opencv筛选轮廓的几种方法总结

在使用opencv处理图像的时候，在获取ROI区域这一步用的最多的就是找到指定区域，一般是根据轮廓提取，我们可以通过opencv中的findContours()函数来查找图片中的轮廓，但是会发现找到的轮廓相当之多，如何在这些轮廓中准确定位道自己需要的轮廓呢？下面介绍几种方法：

前导知识

1. 查找轮廓

findContours() ps:点击函数名可以直接跳转到官方文档哦！

void cv::findContours(InputOutputArray 	    image,
                      OutputArrayOfArrays   contours,
                      OutputArray 	    hierarchy,
                      int 	            mode,
                      int 	            method,
                      Point 	            offset = Point() 
)	
	
Python:
  cv.findContours(image, mode, method[, contours[, hierarchy[, offset]]])->image, contours, hierarchy
 

#include <opencv2/imgproc.hpp>

 在二值图像中查找轮廓

参数	说明	可选值
image	输入的源图像
contours	(out)查找到的所有的轮廓的集合
hierarchy	(out)维护了每个轮廓的拓扑结构（层级关系），和contours同型
mode	轮廓检索模式	RETR_EXTERNAL RETR_LIST RETR_CCOMP RETR_TREE RETR_FLOODFILL
method	轮廓近似方法	CHAIN_APPROX_NONE CHAIN_APPROX_SIMPLE CHAIN_APPROX_TC89_L1 CHAIN_APPROX_TC89_KCOS
offest	每个轮廓点移动的偏移量

Examples:

vector<vector<Point> > contours;
vector<Vec4i> hierarchy;
 
cv::findContours( img, contours, hierarchy, RETR_TREE, CHAIN_APPROX_SIMPLE);

2. 绘制轮廓

drawContours()ps:点击函数名可以直接跳转到官方文档哦！

void cv::drawContours	( InputOutputArray 	image,
                          InputArrayOfArrays 	contours,
                          int 	                contourIdx,
                          const Scalar & 	color,
                          int 	                thickness = 1,
                          int 	                lineType = LINE_8,
                          InputArray 	        hierarchy = noArray(),
                          int 	                maxLevel = INT_MAX,
                          Point 	        offset = Point() 
)		
Python:
  cv.drawContours(image, contours, contourIdx, color[, thickness[, lineType[, hierarchy[, maxLevel[, offset]]]]])->image
 
 

#include <opencv2/imgproc.hpp>

 绘制轮廓线或者填充轮廓

参数	说明	取值
image	输入的源图像
contours	保存了所有轮廓的集合
contourIdx	待绘制的轮廓序号
color	绘制的轮廓线的颜色
thickness	轮廓线的粗细	负值时绘制内轮廓
lineType	轮廓线线型	FILLED LINE_4 LINE_8 LINE_AA
hierarchy	维护了所有轮廓的拓扑结构
maxLevel	最大嵌套层级
offset	轮廓线的偏移量

Examples:

vector<vector<Point> > contours;
vector<Vec4i> hierarchy;
findContours(imgDilate, contours, hierarchy, RETR_TREE, CHAIN_APPROX_SIMPLE );
 
for (int idx = 0; idx < contours.size(); idx++)
{
    Scalar color(rand() & 255, rand() & 255, rand() & 255);
    drawContours(img, contours, idx, color, 2, LINE_8, hierarchy, 3);
}
imshow("img",img);

正文

1. 根据面积筛选

使用contourArea()可以计算得到一个轮廓的面积(这里的面积的单位应该是平方像素)，然后和最小面积比较，得到筛选后的轮廓。

ps:左图为findContours函数查找到的所有的轮廓，右图为根据面积筛选得到area>10000的所有轮廓

Examples:

// 计算轮廓面积
double area = contourArea(contours[idx]);
// 预设最小轮廓面积为1000，<=1000的轮廓被筛除，>1000的轮廓被放入finalContours中以返回
if(area > minArea){
    finalContours.push_back(contours[idx]);
}

2. 根据拐点个数筛选多边形轮廓

如果要在一堆多边形轮廓中筛选出四边形轮廓，则可以首先根据拐点的个数进行筛选，使用approxPolyDP()获取轮廓拐点。

ps:左图为经过预处理的二值图像，右图为根据拐点数量筛选出的所有拐点为4的轮廓

Examples:

// 获取轮廓拐点，拐点坐标保存在approx中，精度为轮廓周长的0.02倍
approxPolyDP(contours[idx],approx,0.02*arcLength(contours[idx],true), true);
// 预设要筛选的拐点数目approxNum=4
if (approx.size() == approxNum) {
    finalContours.push_back(contours[idx]);
｝

3. 根据嵌套层级筛选

以上面的二值图像为例，如果当通过拐点、面积筛选的方法筛选之后，发现白线的内侧和外侧轮廓都被画了出来，如果只要外轮廓，则可以根据hierarchy来进行筛选。

ps:左图为筛选前，右图为筛选后

approxPolyDP(contours[idx], approx, 0.02 * arcLength(contours[idx], true), true);
// 根据拐点数量筛选
if (approx.size() == approxNum) {
    // 筛除具有父轮廓的轮廓
    if (hierarchy[idx][3] < 0) {
        dstContours.push_back(contours[idx]);
        dstApproxs.push_back(approx);
    }
}

参考文献

1. OpenCV—轮廓操作一站式详解：查找/筛选/绘制/形状描述与重心标注(Python版)
2. OpenCV官方文档

杂项

1. 如何阅读OpenCV官方文档
2. markdown更改颜色和字体
3. markdown设置图片大小

资源分享

1. opencv官方文档网盘下载