要想实现轮廓检测，首先我们需要对待检测的图像进行图像处理：
图像灰度化、高斯滤波、Canny 边缘检测、边缘检测放大处理、提取轮廓。
即只要将drawContours第三个参数设置为-1 既能实现图像的全图型检测。
程序：
#include <iostream>
#include <opencv2/highgui.hpp> // 说是说gui 具体什么gui 不清楚
#include <opencv2/imgcodecs.hpp> // 图像头文件
#include <opencv2/imgproc.hpp> // 图像处理头文件
using namespace std;
using namespace cv;
/*要进行图像形貌检测之前
*首先要二值化，再进行滤波处理，再进行Canny边缘检测
*最后才能检测出图形轮廓
*/
Mat imgGray, imgBlur, imgCanny,imgDil;
void getContours(Mat imgDil,Mat& img);
int main()
{
string path = "resources/shapes.png"; // 导入图形的时候，先要在右边点击显示所有文件！！！
Mat img = imread(path); // 在opencv 中所有的图像信息都使用Mat
// pre-processing image 图像预处理
cvtColor(img, imgGray, COLOR_BGR2GRAY);
GaussianBlur(imgGray, imgBlur,Size(3,3),3,0); // 高斯滤波
Canny(imgBlur, imgCanny, 25, 75);// Canny 边缘检测
Mat kernel = getStructuringElement(MORPH_RECT, Size(3, 3)); // 其中 Size 和 边缘检测的放大倍数有关系
dilate(imgCanny, imgDil, kernel);
getContours(imgDil,img); // 第一个参数 是寻找轮廓的参数， 第二个参数是显示图案的参数
imshow("Image", img);
waitKey(0); // 延时，0即相当于无穷大
}
void getContours(Mat imgDil, Mat& img)
{
/* contour is a vector inside that vector there is more vector
* {{Point(20,30),Point(50,60)},{},{}} each vector like a contour and each contour have some points
*
**/
vector<vector<Point>> contours;
vector<Vec4i> hierarchy; // Vec4i 即代表该向量内有4个 int 变量typedef Vec<int, 4> Vec4i; 这四个向量每一层级代表一个轮廓
findContours(imgDil, contours, hierarchy, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE); // CV_CHAIN_APPROX_SIMPLE - 简单的链式接近法
drawContours(img, contours, -1, Scalar(255,0,255),2); // contouridx = -1 代表需要绘制所检测的所有轮廓
}
运行结果：
细心的读者会发现，该程序还将微小的瑕疵检测到了。
去除瑕疵的方法很简单，即先检测所有图形的面积，发现图形中的最小面积，即为瑕疵面积（假设我们已知该瑕疵面积<1000），之后使用if进行面积过滤。
程序：
#include <iostream>
#include <opencv2/highgui.hpp> // 说是说gui 具体什么gui 不清楚
#include <opencv2/imgcodecs.hpp> // 图像头文件
#include <opencv2/imgproc.hpp> // 图像处理头文件
using namespace std;
using namespace cv;
/*要进行图像形貌检测之前
*首先要二值化，再进行滤波处理，再进行Canny边缘检测
*最后才能检测出图形轮廓
*/
Mat imgGray, imgBlur, imgCanny,imgDil;
void getContours(Mat imgDil,Mat& img);
int main()
{
string path = "resources/shapes.png"; // 导入图形的时候，先要在右边点击显示所有文件！！！
Mat img = imread(path); // 在opencv 中所有的图像信息都使用Mat
// pre-processing image 图像预处理
cvtColor(img, imgGray, COLOR_BGR2GRAY);
GaussianBlur(imgGray, imgBlur,Size(3,3),3,0); // 高斯滤波
Canny(imgBlur, imgCanny, 25, 75);// Canny 边缘检测
Mat kernel = getStructuringElement(MORPH_RECT, Size(3, 3)); // 其中 Size 和 边缘检测的放大倍数有关系
dilate(imgCanny, imgDil, kernel);
getContours(imgDil,img); // 第一个参数 是寻找轮廓的参数， 第二个参数是显示图案的参数
imshow("Image", img);
waitKey(0); // 延时，0即相当于无穷大
}
void getContours(Mat imgDil, Mat& img)
{
/* contour is a vector inside that vector there is more vector
* {{Point(20,30),Point(50,60)},{},{}} each vector like a contour and each contour have some points
*
**/
vector<vector<Point>> contours;
vector<Vec4i> hierarchy; // Vec4i 即代表该向量内有4个 int 变量typedef Vec<int, 4> Vec4i; 这四个向量每一层级代表一个轮廓
findContours(imgDil, contours, hierarchy, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE); // CV_CHAIN_APPROX_SIMPLE - 简单的链式接近法
drawContours(img, contours, -1, Scalar(255,0,255),2); // contouridx = -1 代表需要绘制所检测的所有轮廓
for(int i = 0;i <contours.size();i++)
{
int area = contourArea(contours[i]) ; // 计算轮廓面积函数
if(area > 1000)
{
drawContours(img,contours,i,Scalar(255, 0, 255), 2);
}
}
}
运行结果：
可见我们已经成功将瑕疵滤除。
判断轮廓之前，我们先要将图形的拐角点计算出来，如三角形有三个拐角点，矩形有四个拐角点，圆形有多个拐角点，所以如何得到拐角点是我们检测轮廓形状的前提。检测拐角的核心函数为approxPolyDP(contours[i],conpoly[i],0.02* peri,true);即多边形拟合函数。
程序：
#include <iostream>
#include <opencv2/highgui.hpp> // 说是说gui 具体什么gui 不清楚
#include <opencv2/imgcodecs.hpp> // 图像头文件
#include <opencv2/imgproc.hpp> // 图像处理头文件
using namespace std;
using namespace cv;
/*要进行图像形貌检测之前
*首先要二值化，再进行滤波处理，再进行Canny边缘检测
*最后才能检测出图形轮廓
*/
Mat imgGray, imgBlur, imgCanny,imgDil;
void getContours(Mat imgDil,Mat& img);
int main()
{
string path = "resources/shapes.png"; // 导入图形的时候，先要在右边点击显示所有文件！！！
Mat img = imread(path); // 在opencv 中所有的图像信息都使用Mat
// pre-processing image 图像预处理
cvtColor(img, imgGray, COLOR_BGR2GRAY);
GaussianBlur(imgGray, imgBlur,Size(3,3),3,0); // 高斯滤波
Canny(imgBlur, imgCanny, 25, 75);// Canny 边缘检测
Mat kernel = getStructuringElement(MORPH_RECT, Size(3, 3)); // 其中 Size 和 边缘检测的放大倍数有关系
dilate(imgCanny, imgDil, kernel);
getContours(imgDil,img); // 第一个参数 是寻找轮廓的参数， 第二个参数是显示图案的参数
imshow("Image", img);
//imshow("Image Gray", imgGray);
//imshow("Image Blur", imgBlur);
//imshow("Image Canny", imgCanny);
//imshow("Image Dilate", imgDil); // 图像放大之后的边缘检测效果要明显好于 Canny 边缘检测，这也是为什么大佬热衷于dilation的原因
waitKey(0); // 延时，0即相当于无穷大
}
// 因为一开始参数不同，所以电脑直接将其视为重载函数
void getContours(Mat imgDil, Mat& img)
{
/* contour is a vector inside that vector there is more vector
* {{Point(20,30),Point(50,60)},{},{}} each vector like a contour and each contour have some points
*
**/
vector<vector<Point>> contours;
vector<Vec4i> hierarchy; // Vec4i 即代表该向量内有4个 int 变量typedef Vec<int, 4> Vec4i; 这四个向量每一层级代表一个轮廓
findContours(imgDil, contours, hierarchy, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE); // CV_CHAIN_APPROX_SIMPLE - 简单的链式接近法
//drawContours(img, contours, -1, Scalar(255,0,255),2); // contouridx = -1 代表需要绘制所检测的所有轮廓
vector<vector<Point>> conpoly(contours.size());// conpoly(paprameter1) ,paprameter1便代表vector对象的行数，而其列数中的vector 是使用了point点集但其只包含图形的拐角点集
vector<Rect> boundRect(contours.size());// Rect 类中x y 函数描述的是图形左上角的坐标
string objType; // 记录物体形状
// 为了滤除微小噪声，因此计算area 的面积
for (int i = 0; i < contours.size(); i++) // 关于contours.size()为什么是返回二维数组的行，因为 vector::size()函数只接受vector 对象的调用而contours的所有行(不管列)均为其对象
{
int area = contourArea(contours[i]);
if (area > 1000)
{
float peri = arcLength(contours[i], true);// 该函数计算轮廓的长度，后面的bool值表面轮廓曲线是否闭合若为true 则轮廓曲线闭合
//寻找角点
// conpoly 同样为轮廓点集但它第二个数组中只有1-9个参数为了描述各个轮廓的拐角点
approxPolyDP(contours[i],conpoly[i],0.02* peri,true); // conpoly[i]是输出array 0.02*peri 这个参数理解不了就不要理解！！！ 最后一个参数仍然是询问是否闭合
cout << conpoly[i].size() << endl; // 输出图像轮廓中的拐角点
boundRect[i] = boundingRect(conpoly[i]); // 针对conpoly[i] 进行boundingRect 以
drawContours(img, conpoly, i, Scalar(255, 0, 255), 2);
//rectangle(img, boundRect[i].tl(), boundRect[i].br(), Scalar(0, 255, 0), 5);
}
}
}
运行结果：
当检测出所有图形都应具有拐角点数之后，在加个if 判断图形的点数，之后通过puttext函数去显示，图形的形状。
程序：
#include <iostream>
#include <opencv2/highgui.hpp> // 说是说gui 具体什么gui 不清楚
#include <opencv2/imgcodecs.hpp> // 图像头文件
#include <opencv2/imgproc.hpp> // 图像处理头文件
using namespace std;
using namespace cv;
/*要进行图像形貌检测之前
*首先要二值化，再进行滤波处理，再进行Canny边缘检测
*最后才能检测出图形轮廓
*/
Mat imgGray, imgBlur, imgCanny,imgDil;
void getContours(Mat imgDil,Mat& img);
int main()
{
string path = "resources/shapes.png"; // 导入图形的时候，先要在右边点击显示所有文件！！！
Mat img = imread(path); // 在opencv 中所有的图像信息都使用Mat
// pre-processing image 图像预处理
cvtColor(img, imgGray, COLOR_BGR2GRAY);
GaussianBlur(imgGray, imgBlur,Size(3,3),3,0); // 高斯滤波
Canny(imgBlur, imgCanny, 25, 75);// Canny 边缘检测
Mat kernel = getStructuringElement(MORPH_RECT, Size(3, 3)); // 其中 Size 和 边缘检测的放大倍数有关系
dilate(imgCanny, imgDil, kernel);
getContours(imgDil,img); // 第一个参数 是寻找轮廓的参数， 第二个参数是显示图案的参数
imshow("Image", img);
//imshow("Image Gray", imgGray);
//imshow("Image Blur", imgBlur);
//imshow("Image Canny", imgCanny);
//imshow("Image Dilate", imgDil); // 图像放大之后的边缘检测效果要明显好于 Canny 边缘检测，这也是为什么大佬热衷于dilation的原因
waitKey(0); // 延时，0即相当于无穷大
}
// 因为一开始参数不同，所以电脑直接将其视为重载函数
void getContours(Mat imgDil, Mat& img)
{
/* contour is a vector inside that vector there is more vector
* {{Point(20,30),Point(50,60)},{},{}} each vector like a contour and each contour have some points
*
**/
vector<vector<Point>> contours;
vector<Vec4i> hierarchy; // Vec4i 即代表该向量内有4个 int 变量typedef Vec<int, 4> Vec4i; 这四个向量每一层级代表一个轮廓
findContours(imgDil, contours, hierarchy, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE); // CV_CHAIN_APPROX_SIMPLE - 简单的链式接近法
//drawContours(img, contours, -1, Scalar(255,0,255),2); // contouridx = -1 代表需要绘制所检测的所有轮廓
vector<vector<Point>> conpoly(contours.size());// conpoly(paprameter1) ,paprameter1便代表vector对象的行数，而其列数中的vector 是使用了point点集但其只包含图形的拐角点集
vector<Rect> boundRect(contours.size());// Rect 类中x y 函数描述的是图形左上角的坐标
string objType; // 记录物体形状
// 为了滤除微小噪声，因此计算area 的面积
for (int i = 0; i < contours.size(); i++) // 关于contours.size()为什么是返回二维数组的行，因为 vector::size()函数只接受vector 对象的调用而contours的所有行(不管列)均为其对象
{
int area = contourArea(contours[i]);
if (area > 1000)
{
float peri = arcLength(contours[i], true);// 该函数计算轮廓的长度，后面的bool值表面轮廓曲线是否闭合若为true 则轮廓曲线闭合
//寻找角点
// conpoly 同样为轮廓点集但它第二个数组中只有1-9个参数为了描述各个轮廓的拐角点
approxPolyDP(contours[i],conpoly[i],0.02* peri,true); // conpoly[i]是输出array 0.02*peri 这个参数理解不了就不要理解！！！ 最后一个参数仍然是询问是否闭合
//drawContours(img, contours , i, Scalar(255, 0, 255), 2);
// 通过conpoly 而绘制的轮廓中只存在程序认为应该存在的点
cout << conpoly[i].size() << endl; // 输出图像轮廓中的拐角点
boundRect[i] = boundingRect(conpoly[i]); // 针对conpoly[i] 进行boundingRect 以便拟合相切矩形
//rectangle(img, boundRect[i].tl(), boundRect[i].br(), Scalar(0, 255, 0), 5); // 使用
int objCor = (int)conpoly[i].size(); // 计算物体边角数
if (3 == objCor) objType = "Triangle";
else
if (4 == objCor)
{ // 计算float对象，一定要记得使用 float 强转符号
float aspRatio = (float)boundRect[i].width/(float)boundRect[i].height;
if(aspRatio<1.05 && aspRatio>0.95)
objType = "Square";
else objType = "Rectangle";
}
else if (objCor > 4) objType = "Circle";
putText(img, objType, Point(boundRect[i].x, boundRect[i].y-5), FONT_HERSHEY_PLAIN, 1, Scalar(0, 69, 255), 1);
drawContours(img, conpoly, i, Scalar(255, 0, 255), 2);
//rectangle(img, boundRect[i].tl(), boundRect[i].br(), Scalar(0, 255, 0), 5);
}
}
}
运行结果：
核心函数，使用rectangle（）进行矩形绘画。
程序：
#include <iostream>
#include <opencv2/highgui.hpp> // 说是说gui 具体什么gui 不清楚
#include <opencv2/imgcodecs.hpp> // 图像头文件
#include <opencv2/imgproc.hpp> // 图像处理头文件
using namespace std;
using namespace cv;
/*要进行图像形貌检测之前
*首先要二值化，再进行滤波处理，再进行Canny边缘检测
*最后才能检测出图形轮廓
*/
Mat imgGray, imgBlur, imgCanny,imgDil;
void getContours(Mat imgDil,Mat& img);
int main()
{
string path = "resources/shapes.png"; // 导入图形的时候，先要在右边点击显示所有文件！！！
Mat img = imread(path); // 在opencv 中所有的图像信息都使用Mat
// pre-processing image 图像预处理
cvtColor(img, imgGray, COLOR_BGR2GRAY);
GaussianBlur(imgGray, imgBlur,Size(3,3),3,0); // 高斯滤波
Canny(imgBlur, imgCanny, 25, 75);// Canny 边缘检测
Mat kernel = getStructuringElement(MORPH_RECT, Size(3, 3)); // 其中 Size 和 边缘检测的放大倍数有关系
dilate(imgCanny, imgDil, kernel);
getContours(imgDil,img); // 第一个参数 是寻找轮廓的参数， 第二个参数是显示图案的参数
imshow("Image", img);
//imshow("Image Gray", imgGray);
//imshow("Image Blur", imgBlur);
//imshow("Image Canny", imgCanny);
//imshow("Image Dilate", imgDil); // 图像放大之后的边缘检测效果要明显好于 Canny 边缘检测，这也是为什么大佬热衷于dilation的原因
waitKey(0); // 延时，0即相当于无穷大
}
// 因为一开始参数不同，所以电脑直接将其视为重载函数
void getContours(Mat imgDil, Mat& img)
{
/* contour is a vector inside that vector there is more vector
* {{Point(20,30),Point(50,60)},{},{}} each vector like a contour and each contour have some points
*
**/
vector<vector<Point>> contours;
vector<Vec4i> hierarchy; // Vec4i 即代表该向量内有4个 int 变量typedef Vec<int, 4> Vec4i; 这四个向量每一层级代表一个轮廓
findContours(imgDil, contours, hierarchy, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE); // CV_CHAIN_APPROX_SIMPLE - 简单的链式接近法
//drawContours(img, contours, -1, Scalar(255,0,255),2); // contouridx = -1 代表需要绘制所检测的所有轮廓
vector<vector<Point>> conpoly(contours.size());// conpoly(paprameter1) ,paprameter1便代表vector对象的行数，而其列数中的vector 是使用了point点集但其只包含图形的拐角点集
vector<Rect> boundRect(contours.size());// 记录各图形的拟合矩形
string objType; // 记录物体形状
// 为了滤除微小噪声，因此计算area 的面积
for (int i = 0; i < contours.size(); i++) // 关于contours.size()为什么是返回二维数组的行，因为 vector::size()函数只接受vector 对象的调用而contours的所有行(不管列)均为其对象
{
int area = contourArea(contours[i]);
if (area > 1000)
{
float peri = arcLength(contours[i], true);// 该函数计算轮廓的长度，后面的bool值表面轮廓曲线是否闭合若为true 则轮廓曲线闭合
//寻找角点
// conpoly 同样为轮廓点集但它第二个数组中只有1-9个参数为了描述各个轮廓的拐角点
approxPolyDP(contours[i],conpoly[i],0.02* peri,true); // conpoly[i]是输出array 0.02*peri 这个参数理解不了就不要理解！！！ 最后一个参数仍然是询问是否闭合
//drawContours(img, contours , i, Scalar(255, 0, 255), 2);
// 通过conpoly 而绘制的轮廓中只存在程序认为应该存在的点
cout << conpoly[i].size() << endl; // 输出图像轮廓中的拐角点
boundRect[i] = boundingRect(conpoly[i]); // 针对conpoly[i] 进行boundingRect 以便拟合相切矩形
//rectangle(img, boundRect[i].tl(), boundRect[i].br(), Scalar(0, 255, 0), 5); // 使用
int objCor = (int)conpoly[i].size(); // 计算物体边角数
if (3 == objCor) objType = "Triangle";
else
if (4 == objCor)
{ // 计算float对象，一定要记得使用 float 强转符号
float aspRatio = (float)boundRect[i].width/(float)boundRect[i].height;
if(aspRatio<1.05 && aspRatio>0.95)
objType = "Square";
else objType = "Rectangle";
}
else if (objCor > 4) objType = "Circle";
putText(img, objType, Point(boundRect[i].x, boundRect[i].y-5), FONT_HERSHEY_PLAIN, 1, Scalar(0, 69, 255), 1);
drawContours(img, conpoly, i, Scalar(255, 0, 255), 2);
rectangle(img, boundRect[i].tl(), boundRect[i].br(), Scalar(0, 255, 0), 5);
}
}
}
运行结果：
