一、前文

基于边缘检测算法的轮廊寻找和提取

二、算法流程

1. 高斯模糊
2. Canny边缘检测
3. FindContours寻找轮廓，轮廊提取

三、界面布局

• 一个Label
• N个Button
• 三个Picture

四、功能实现

4.1 打开图片

 private void openFileBtn_Click(object sender, EventArgs e)
 {
     OpenFileDialog openfiledialog = new OpenFileDialog();
     openfiledialog.Filter = "PNG Files (*.png)|*.png|JPG Files (*.jpg)|*.jpg|GIF Files (*.gif)|*.gif";
     openfiledialog.RestoreDirectory = true;
     if (openfiledialog.ShowDialog() == DialogResult.OK)
     {
         Console.WriteLine(openfiledialog.FileName);
         fileName = openfiledialog.FileName;

         //Mat src = new Mat("foo.png", LoadMode.Color);
         Mat src = new Mat(fileName);
         //Mat src = new Mat(fileName, ImreadModes.Color);
         var frameBitmap = BitmapConverter.ToBitmap(src);

         pictureBox1.Image?.Dispose();
         pictureBox1.Image = frameBitmap;
     }
 }

4.2 FindContours轮廓提取—源码

private void contoursBtn_Click(object sender, EventArgs e)
{
    cannyBtn_Click(sender, e);
    mOutput = new Mat(mInput.Rows, mInput.Cols, MatType.CV_8UC4);
    mInput.CopyTo(mOutput);

    RetrievalModes mode = RetrievalModes.External;
    ContourApproximationModes method = ContourApproximationModes.ApproxNone;
    Point offset = new OpenCvSharp.Point(0, 0);

    Cv2.FindContours(
        image: edges,
        contours: out OpenCvSharp.Point[][] contours,
        hierarchy: out HierarchyIndex[] outputArray,
        mode: mode,
        method: method,
        offset: offset);

    for (int i = 0; i < contours.Length; i++)
    {
        Scalar color = Scalar.RandomColor();
        if (contours[i].Length > 100)
        {
            Cv2.DrawContours(
                mOutput,
                contours,
                contourIdx: i,
                color: color,
                thickness: 2,
                lineType: LineTypes.Link8,
                hierarchy: outputArray,
                maxLevel: 0);
        }
    }

    srcPictureBox.Image = BitmapConverter.ToBitmap(mInput);
    grayPictureBox.Image = BitmapConverter.ToBitmap(edges);
    dstPictureBox.Image = BitmapConverter.ToBitmap(mOutput);
}

4.3 FindContours轮廓提取—参数讲解

//
// 摘要:
//   Finds contours in a binary image.
//
// 参数:
//   image:
//     Source, an 8-bit single-channel image. Non-zero pixels are treated as 1’s. Zero
//     pixels remain 0’s, so the image is treated as binary. The function modifies the
//     image while extracting the contours.
//
//   contours:
//     Detected contours. Each contour is stored as a vector of points.
//
//   hierarchy:
//     Optional output vector, containing information about the image topology. It has
//     as many elements as the number of contours. For each i-th contour contours[i],
//     the members of the elements hierarchy[i] are set to 0-based indices in contours
//     of the next and previous contours at the same hierarchical level, the first child
//     contour and the parent contour, respectively. If for the contour i there are
//     no next, previous, parent, or nested contours, the corresponding elements of
//     hierarchy[i] will be negative.
//
//   mode:
//     Contour retrieval mode
//
//   method:
//     Contour approximation method
//
//   offset:
//     Optional offset by which every contour point is shifted. This is useful if the
//     contours are extracted from the image ROI and then they should be analyzed in
//     the whole image context.
public static void FindContours(InputArray image, out Point[][] contours, out HierarchyIndex[] hierarchy, RetrievalModes mode, ContourApproximationModes method, Point? offset = null);

• image，灰度图片输入
• contours，轮廓结果输出
• mode，轮廓检索模式
  • External，只检测外层轮廓
  • List，提取所有轮廓，并放置在list中，检测的轮廓不建立等级关系
  • CComp，提取所有轮廓，并将轮廓组织成双层结构(two-level hierarchy),顶层为连通域的外围边界，次层位内层边界
  • Tree，提取所有轮廓并重新建立网状轮廓结构
  • FloodFill，官网没有介绍，应该是洪水填充法
• method，轮廓近似方法
  • ApproxNone，获取每个轮廓的每个像素，相邻的两个点的像素位置差不超过1
  • ApproxSimple，压缩水平方向，垂直方向，对角线方向的元素，值保留该方向的重点坐标，如果一个矩形轮廓只需4个点来保存轮廓信息
  • ApproxTC89L1，使用Teh-Chinl链逼近算法中的一种
  • ApproxTC89KCOS，使用Teh-Chinl链逼近算法中的一种

五、运行效果图

从左到右

• 第一张是原图
• 第二张是高斯模糊的结果图
• 第三张是FindContours轮廊提取的结果图

六、参考

OpenCV—轮廓发现

觉得好，就一键三连呗（点赞+收藏+关注）

寻找轮廓

简单地解释为连接所有连续点（沿着边界）的曲线，具有相同的颜色或强度.
轮廓是形状分析和物体检测和识别的有用工具

1. 为获得更好的准确性，请使用二值图，在找到轮廓之前，应用阈值法或canny边缘检测
2. 从OpenCV 3.2开始，findContours（）不再修改源图像，而是将修改后的图像作为三个返回参数中的第一个返回
3. 在OpenCV中，查找轮廓是从黑色背景中查找白色对象

findContours(image, mode, method[, contours[, hierarchy[, offset]]])

• image：原图像
• mode：轮廓检索模式
• method：轮廓近似方法
• 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。
• hierarchy：“vector hierarchy”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。
• 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！

输出为： 修改后的图像，轮廓，层次结构

轮廓是所有轮廓的列表.每个单独的轮廓是对象边界点的坐标.

代码：

import cv2
import numpy as np

img = cv2.imread('img.jpg')
imgray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(imgray, 127, 255, 0)
im2, contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

关于hierarchy

hierarchy是个向量数组类型

以mode=CV_RETR_TREE，进行hierarchy的介绍。

CV_RETR_TREE方法为检测所有轮廓，并且建立所有的继承（包含）关系

对于每一个轮廓，hierarchy都包含4个整型数据，分别表示：后一个轮廓的序号、前一个轮廓的序号、子轮廓的序号、父轮廓的序号。

特别注意，上述的含义的不能弄反了！

例如下图（将树结构和轮廓级联系在一起），A和B为同级，可以认为B是A的后一个轮廓，A是B的前一个轮廓；C和D为A的子树，E和F为B的子树，可以认为C和D为A的子轮廓，A为C和D的父轮廓。

为了更加直观，可以利用实际的图像进一步说明轮廓层级的关系，例如以下的源图，一共有4个轮廓，序号分别为0 1 2 3

特别地，序号在程序中findcontours函数会自动标记，也是轮廓检索的序号，n个轮廓其检索序号从 0 到 n-1 。

0号轮廓没有同级轮廓，有两个子级轮廓1和3，没有父级轮廓，所以其轮廓继承关系向量hierarchy为[-1 -1 1 -1]，-1表示无对应的关系，1表示0号轮廓的一个子轮廓的序号为1号；

1号轮廓有同级轮廓3（认为是后一个轮廓，那么无前一个轮廓），也有子级轮廓2，也有父级轮廓0，所以其轮廓继承关系向量hierarchy为[3 -1 2 0]；

2号轮廓没有同级轮廓，也没有子级轮廓，但是有父级轮廓1，所以其轮廓继承关系向量hierarchy为[-1 -1 -1 1]；

如图所示：

绘制轮廓

cv2.drawContours(image, contours, contourIdx, color[, thickness[, lineType[, hierarchy[, maxLevel[, offset]]]]])

• image：原图像
• contours：作为Python列表传递的轮廓
• contourIdx：轮廓索引（在绘制单个轮廓时很有用。绘制所有轮廓，传递-1）

•要绘制图像中的所有轮廓：
cv.drawContours（img，contours，-1，（0,255,0），3）

•要绘制单个轮廓，比如第4个轮廓：
cv.drawContours（img，contours，3，（0,255,0），3）

•但大多数情况下，绘制第4个轮廓，以下方法将非常有用：
cnt = contours[4]
cv.drawContours（img，[cnt]，0，（0,255,0），3）

代码：

import cv2
import numpy as np

img = cv2.imread('img7.png')
imgray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(imgray, 127, 255, 0)
im2, contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
cnt = contours[0]
cv2.drawContours(img,[cnt],0,(0,255,0),3)

cv2.imshow('src',img)

cv2.waitKey()

二值化图像：

结果图像：

参考文章：
https://blog.csdn.net/dcrmg/article/details/51987348

本文主要是介绍如何根据图片的像素值寻找同一像素值的类，并寻找轮廓圈出图片。
1.二值化

函数原型double threshold( InputArray src,OutputArray dst,double threshold,double maxval,int type );
参数说明
src：原始数组，可以是Mat类型。
dst：输出数组，必须与 src 的类型一致。
threshold：阈值
maxval：使用 THRESH_BINARY 和 THRESH_BINARY_INV 的最大值。
type：阈值类型
type=THRESH_BINARY:如果 src(x,y)>threshold ,dst(x,y) = max_value; 否则,dst（x,y）=0;
type=THRESH_BINARY_INV:如果 src(x,y)>threshold,dst(x,y) = 0; 否则,dst(x,y) = max_value.
type=THRESH_TRUNC:如果 src(x,y)>threshold，dst(x,y) = max_value; 否则dst(x,y) = src(x,y).
type=THRESH_TOZERO:如果src(x,y)>threshold，dst(x,y) = src(x,y) ; 否则 dst(x,y) = 0。
type=THRESH_TOZERO_INV:如果 src(x,y)>threshold，dst(x,y) = 0 ; 否则dst(x,y) = src(x,y).
原图

二值化处理

Mat image = imread("C://Users//lenovo//Desktop//test.jpg",1);
	cout <<"Original Image channal:  "<< image.channels() << endl;
	imshow("Original Image", image);
	
	Mat gray;
	cvtColor(image, gray, COLOR_BGR2GRAY);
	imshow("gray Image", gray);
	cout <<"gray Image channal:  "<< gray.channels() << endl;
	// Wait until user press some key
	
	Mat result;
	threshold(gray, result, 170, 255, THRESH_BINARY);
	imshow("threshold Image", result);

2.查找轮廓
findContours( InputOutputArray image, OutputArrayOfArrays contours,OutputArray hierarchy, int mode, int method, Point offset=Point());

image，单通道图像矩阵，可以是灰度图，但更常用的是二值图像。

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(cv定义的数据结构)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。

hierarchy，定义为“vector hierarchy”， 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。

mode，定义轮廓的检索模式。(opencv3请删除CV_,便可使用)CV_RETR_EXTERNAL；CV_RETR_LIST；CV_RETR_CCOMP；CV_RETR_TREE

method，定义轮廓的近似方法
CV_CHAIN_APPROX_NONE；CV_CHAIN_APPROX_SIMPLE；CV_CHAIN_APPROX_TC89_L1

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！

3.轮廓绘制
void drawContours//绘制轮廓，用于绘制找到的图像轮廓
(InputOutputArray image,InputArrayOfArrays contours, int contourIdx,const Scalar& color,int thickness = 1, int lineType = 8,InputArray hierarchy = noArray(), int maxLevel = INT_MAX, Point offset = Point())
image,要绘制轮廓的图像，可以创建一个与原图大小一样的空白图。
contours,所有输入的轮廓，每个轮廓被保存成一个point向量。
color,绘制轮廓所用的颜色。
thickness = 1, 绘制轮廓的线的粗细，如果是负数，则轮廓内部被填充。
lineType = 8, 绘制轮廓的线的连通性。
hierarchy = noArray(),关于层级的可选参数，只有绘制部分轮廓时才会用到。
int maxLevel = INT_MAX,//绘制轮廓的最高级别，这个参数只有hierarchy有效的时候才有效
//maxLevel=0，绘制与输入轮廓属于同一等级的所有轮廓即输入轮廓和与其相邻的轮廓 。
//maxLevel=1, 绘制与输入轮廓同一等级的所有轮廓与其子节点。 //maxLevel=2，绘制与输入轮廓同一等级的所有轮廓与其子节点以及子节点的子节点
**offset = Point()**点的偏移量。
4.完整应用

#include <iostream>
#include "opencv2/opencv.hpp"

using namespace cv;
using namespace std;
int main()
{
	Mat image = imread("C://Users//lenovo//Desktop//test.jpg",1);
	cout <<"Original Image channal:  "<< image.channels() << endl;
	imshow("Original Image", image);
	
	Mat gray;
	cvtColor(image, gray, COLOR_BGR2GRAY);
	imshow("gray Image", gray);
	cout <<"gray Image channal:  "<< gray.channels() << endl;
	// Wait until user press some key
	
	Mat result;
	threshold(gray, result, 170, 255, THRESH_BINARY);
	imshow("threshold Image", result);

	vector<vector<Point>> contours;
	vector<Vec4i> hierarchy;

	findContours(result, contours, hierarchy, RETR_EXTERNAL, CHAIN_APPROX_NONE, Point());

	Mat imageContours = Mat::zeros(image.size(), CV_8UC1);
	Mat Contours = Mat::zeros(image.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向量所有的像素点
			Point P = Point(contours[i][j].x, contours[i][j].y);
			Contours.at<uchar>(P) = 255;
			imshow("Contours image", Contours);//点图
		}
		//绘制轮廓
		drawContours(imageContours, contours, i,255, 1, 8, hierarchy);
	}
	imshow("drawContours image", imageContours); //轮廓
	

	waitKey(0);
	return 0;	
}