輪廓：一個輪廓代表一系列的點（像素），這一系列的點構成一個有序的點集，所以可以把一個輪廓理解為一個有序的點集。

成都創(chuàng)新互聯(lián)公司是網站建設專家,致力于互聯(lián)網品牌建設與網絡營銷，專業(yè)領域包括成都網站設計、網站制作、電商網站制作開發(fā)、微信小程序定制開發(fā)、微信營銷、系統(tǒng)平臺開發(fā)，與其他網站設計及系統(tǒng)開發(fā)公司不同，我們的整合解決方案結合了恒基網絡品牌建設經驗和互聯(lián)網整合營銷的理念，并將策略和執(zhí)行緊密結合，且不斷評估并優(yōu)化我們的方案，為客戶提供全方位的互聯(lián)網品牌整合方案！

在opencv中，提供了一個函數(shù)返回一個有序的點集或者有序的點集的集合（指多個有序的點集），函數(shù)findContour是從二值圖像中來計算輪廓的，一般使用Canny()函數(shù)處理后的圖像，因為這樣的圖像含有邊緣像素。

尋找輪廓的API函數(shù)：

findContours(image,vector> contours,vectorhierarchy,int mode,int method,Point offset = Point(0,0));

參數(shù)解釋：

（1）image：單通道圖像矩陣，一般是經過canny處理后的二值圖像；

（2）contours：vector>類型，是一個向量，并且是一個雙重向量，向量內每個元素保存了一組由連續(xù)的Point點構成的點的集合的向量，每一組Point點集就是一個輪廓。有多少輪廓，向量contours就有多少元素；

（3）hierarchy：vector 類型， 即容器內每一個元素都是一個包含了4個int型變量的向量，向量內每個元素保存了一個包含4個int整型的數(shù)組。向量hiararchy內的元素和輪廓向量contours內的元素是一一對應的，向量的容量相同。hierarchy向量內每一個元素的4個int型變量——hierarchy[i][0] ~hierarchy[i][3]，分別表示第i個輪廓的后一個輪廓、前一個輪廓、父輪廓、內嵌輪廓的索引編號。如果當前輪廓沒有對應的后一個輪廓、前一個輪廓、父輪廓或內嵌輪廓的話，則hierarchy[i][0] ~hierarchy[i][3]的相應位被設置為默認值-1；

（4）mode：int類型的，定義輪廓的檢索模式：

• CV_RETR_EXTERNAL只檢測最外圍輪廓，包含在外圍輪廓內的內圍輪廓被忽略；
• CV_RETR_LIST   檢測所有的輪廓，包括內圍、外圍輪廓，但是檢測到的輪廓不建立等級關系，彼此之間獨立，沒有等級關系，這就意味著這個檢索模式下不存在父輪廓或內嵌輪廓，所以hierarchy向量內所有元素的第3、第4個分量都會被置為-1，具體下文會講到；
• CV_RETR_CCOMP  檢測所有的輪廓，但所有輪廓只建立兩個等級關系，外圍為頂層，若外圍內的內圍輪廓還包含了其他的輪廓信息，則內圍內的所有輪廓均歸屬于頂層；
• CV_RETR_TREE， 檢測所有輪廓，所有輪廓建立一個等級樹結構。外層輪廓包含內層輪廓，內層輪廓還可以繼續(xù)包含內嵌輪廓。   
  

（5）method：int類型，定義輪廓的近似方法：  

• CV_CHAIN_APPROX_NONE 保存物體邊界上所有連續(xù)的輪廓點到contours向量內；
• CV_CHAIN_APPROX_SIMPLE 僅保存輪廓的拐點信息，把所有輪廓拐點處的點保存入contours向量內，拐點與拐點之間直線段上的信息點不予保留；
• CV_CHAIN_APPROX_TC89_L1，CV_CHAIN_APPROX_TC89_KCOS使用teh-Chinl chain 近似算法；                   
  

（6） Point：偏移量，所有的輪廓信息相對于原始圖像對應點的偏移量，相當于在每一個檢測出的輪廓點上加上該偏移量，一般不偏移取Point(0,0)。

畫輪廓的API函數(shù)：

drawContours(Outputimage,contours,hierarchy,int contourIdx,color,int thickness ,int lineType,hierarchy = noArray(),int maxLevel = INT_MAX,Point offset = Point(0,0))
參數(shù)解釋：

    （1）outputimage: 將輪廓畫在該圖上；
    （2）contours：前面尋找到的輪廓；
    （3）contourIdx：是一個索引，代表繪制contours中的第幾個輪廓；
    （4） color：顏色；
    （5）thickness: 線寬；
    （6）lineType： 線型；
    （7）hierarchy：可選層次信息結構，這里面是findContours所的到的基于Contours的層級信息；
    （8）maxLevel： 繪制輪廓的最大等級。如果等級為0，繪制單獨的輪廓。如果為1，繪制輪廓及在其后的相同的級別下輪廓。如果等級為2，繪制所有同級輪廓及所有低一級輪廓，諸此種種。如果值為負數(shù)，函數(shù)不繪制同級輪廓，但會升序繪制直到級別為abs(max_level)-1的子輪廓；

    （9）offset：照給出的偏移量移動每一個輪廓點坐標.當輪廓是從某些感興趣區(qū)域(ROI)中提取的然后需要在運算中考慮ROI偏移量時，將會用到這個參數(shù)。

以上定義摘自該篇博客：OpenCV實現(xiàn)輪廓的發(fā)現(xiàn)。

#include
using namespace cv;
using namespace std;
 
int value = 50;
Mat src, dst, canny_img;
void callback(int, void*);
int main(int arc, char** argv)
{ 
 src = imread("2.jpg");
 namedWindow("src",CV_WINDOW_AUTOSIZE);
 imshow("src", src);
 cvtColor(src, src, CV_BGR2GRAY);
 
 namedWindow("output", CV_WINDOW_AUTOSIZE);
 createTrackbar("threshold", "output", &value, 255, callback);
 callback(0, 0);
 waitKey(0);
 return 0;
}
void callback(int, void*) {
 Canny(src, canny_img, value, 2 * value);
 imshow("canny", canny_img);
 vector>contours;
 vectorhierarchy;
 findContours(canny_img, contours, hierarchy, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE,Point(0,0));
 
 dst = Mat::zeros(src.size(), CV_8UC3);
 RNG rng(1);
 for (int i = 0; i < contours.size(); i++) { 
 Scalar color = Scalar(rng.uniform(0, 255), rng.uniform(0, 255), rng.uniform(0, 255));
 drawContours(dst, contours, i, color, 2, 8, hierarchy, 0, Point(0, 0));
 }
 imshow("output", dst);
} 

運行結果如下：

以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持創(chuàng)新互聯(lián)。