opencv轮廓外接矩形

1.寻找轮廓

api

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

各个参数详解如下：

• Image表示输入图像，必须是二值图像，二值图像可以threshold输出、Canny输出、inRange输出、自适应阈值输出等。
• Contours获取的轮廓，每个轮廓是一系列的点集合
• Hierarchy轮廓的层次信息，每个轮廓有四个相关信息，分别是同层下一个、前一个、第一个子节点、父节点
• mode 表示轮廓寻找时候的拓扑结构返回 -RETR_EXTERNAL表示只返回最外层轮廓 -RETR_TREE表示返回轮廓树结构

  • CV_RETR_EXTERNAL：只检测外轮廓。忽略轮廓内部的洞

  • CV_RETR_LIST：检测所有轮廓，但不建立继承(包含)关系

  • CV_RETR_TREE：检测所有轮廓，并且建立所有的继承(包含)关系。也就是说用CV_RETR_EXTERNAL和CV_RETR_LIST方法的时候hierarchy这个变量是没用的，因为前者没有包含关系，找到的都是外轮廓，后者仅仅是找到所哟的轮廓但并不把包含关系区分。用TREE这种检测方法的时候我们的hierarchy这个参数才是有意义的

  • CV_RETR_CCOMP：检测所有轮廓，但是仅仅建立两层包含关系。外轮廓放到顶层，外轮廓包含的第一层内轮廓放到底层，如果内轮廓还包含轮廓，那就把这些内轮廓放到顶层去。

• Method表示轮廓点集合取得是基于什么算法，常见的是基于CHAIN_APPROX_SIMPLE链式编码方法

注意，如果图像底色是白色，则检测最外层的轮廓为图像边框

2.绘制轮廓外接矩形

绘制外接矩形包括两种：

• 绘制最大外接矩形

（Rect cv::boundingRect( InputArray points )）

其中，输入参数points为一系列点的集合（findContours中contours中的一个元素），对轮廓来说就是该轮廓的点集 返回结果是一个矩形，x, y, w, h

• 绘制最小外接矩形

RotatedRect cv::minAreaRect( InputArray points )

其中，输入参数points为一系列点的集合（findContours中contours中的一个元素） ，对轮廓来说就是该轮廓的点集 返回结果是一个旋转矩形，包含下面的信息： - 矩形中心位置 - 矩形的宽高 - 旋转角度。

3.代码

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(, ), cv::Point(-, -));

     cv::dilate(m_canny, m_canny, k);

     imshow("dilate", m_canny);

     // 轮廓发现与绘制

     vector<vector<cv::Point> > contours;

     vector<Vec4i> hierarchy;

     findContours(m_canny, contours, cv::RETR_EXTERNAL, CHAIN_APPROX_SIMPLE, Point());

     for (size_t i = ; i < contours.size();++i)

     {

         // 最大外接轮廓

         cv::Rect rect = cv::boundingRect(contours[i]);

         cv::rectangle(m_img,rect,cv::Scalar(,,),,LINE_8);

         // 最小外接轮廓

         RotatedRect rrt = minAreaRect(contours[i]);

         Point2f pts[];

         rrt.points(pts);

         // 绘制旋转矩形与中心位置

         for (int i = ; i < ; i++) {

             line(m_img, pts[i % ], pts[(i + ) % ], Scalar(, , ), , , );

         }

         Point2f cpt = rrt.center;

         circle(m_img, cpt, , Scalar(, , ), , , );

     }

     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 -;

    }

    imshow("input", src);

    EdgeDetection ed(src);

    ed.cannyProcess(,);

    ed.getContours();

    waitKey();

    return ;

}

原图

canny

目标图