【一文读懂】Contours Hierarchy ——opencv边界的继承结构，表格的提取，表格孔洞处理，空心形状结构的提取

【参考】opencv文档
Contours Hierarchy

关于边界的继承结构，例如边界的父子结构

使用 cv2.findContours()，我们需要选择边界回溯模式，例如：cv2.RETR_LIST 或者 cv2.RETR_TREE
函数得到的三个数组，第一个是图片，第二个是边界，第三个是继承结构 hierarchy，一般我们都只用后面两个。
形式如：
python:

contours, hierarchy = cv2.findContours(img, cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)

有时一些图片对象在不同的位置上，但有时候，一些图形会在另一些图形之中，被包含在内部。
例如：黑色区域就被包含在白色区域中，而白色区域外面又有黑色区域，这样就把外层称为是父层(红色)，内层称为是孩子层（绿色）。

这样一来，我们就可以找出不同的形状间的关系了，例如我们可以分辨出一个边界是如何和其他边界联系的了，例如它是否是一些边界的父边界，或者是另一些边界的孩子边界，这就叫做hierarchy

例如：

说明：

在这张图片里，0，1，2边界是最外层的边界，称为0层（绿色），或者简单地说，他们在同一层次上（没有互相之间的包含关系）
下一层是2a，它是层2的子层，注意是白框内部的部分！我们这里说的一直是边界！！所以它是层1（粉色）。
类似的，边界3是2a的子层，是层2（蓝色），
3a是3的子层，是层3（红色）
最后是4，5层，他们是3a层的子层，是最后一层，是层4（黄色）
所以每个边界都有关于它是哪一个层次的信息，记录结构为：[Next, Previous, First_Child, Parent]
[下一个，上一个，第一个孩子层，父层（上一层）]
参考java版本：Java OpenCV findContours函数RETR_CCOMP轮廓顺序

ds[0]->同层级的下一个轮廓(不存在为-1)
ds[1]->同层级的上一个轮廓(不存在为-1)
ds[2]->第一个子轮廓(不存在为-1)
ds[3]->父轮廓(不存在为-1)

例如：

对于边界0，它的下一个同级边界是边界1，上一个同级轮廓没有，第一个子轮廓没有，没有父轮廓，所以是
[1,-1,-1,-1]

边界2的上一个同级边界是边界1，下一个同级边界没有，第一个子轮廓是2a，没有父轮廓，所以是
[-1,1,2a,-1]

不同的边界flag表示不一样的意思：

cv2.RETR_LIST, cv2.RETR_TREE, cv2.RETR_CCOMP, cv2.RETR_EXTERNAL

1. RETR_LIST

父子结构都不管了，他们只是单纯的边界结构，他们都属于同一层。所以得到的结果是：

>>> hierarchy2 array([[[ 1, -1, -1, -1],3         [ 2,  0, -1, -1],4         [ 3,  1, -1, -1],5         [ 4,  2, -1, -1],6         [ 5,  3, -1, -1],7         [ 6,  4, -1, -1],8         [ 7,  5, -1, -1],9         [-1,  6, -1, -1]]])

2. RETR_EXTERNAL

这个模式只返回外层边界，所有的子层都不要了
在这个规则下，只考虑“最老的人”，其他人全都不考虑。

    1 >>> hierarchy2 array([[[ 1, -1, -1, -1],3         [ 2,  0, -1, -1],4         [-1,  1, -1, -1]]])

当你只要外层边界的时候，这个标志位很有用。

3. RETR_CCOMP

这个标志会返回全部的边界，但是会把它们分为两层，可以算是一种简化吧，例如：

用两种颜色标志就是下面这样的：一层绿色一层粉色

所以可以看到只有两层结构，要么是外层要么是里层，

    1 >>> hierarchy2 array([[[ 3, -1,  1, -1],3                [ 2, -1, -1,  0],4                [-1,  1, -1,  0],5                [ 5,  0,  4, -1],6                [-1, -1, -1,  3],7                [ 7,  3,  6, -1],8                [-1, -1, -1,  5],9                [ 8,  5, -1, -1],10               [-1,  7, -1, -1]]])

注意：

ds[0]->同层级的下一个轮廓(不存在为-1)
ds[1]->同层级的上一个轮廓(不存在为-1)
ds[2]->第一个子轮廓(不存在为-1)
ds[3]->父轮廓(不存在为-1)

这里为什么父层不是为0或者-1呢？
因为每层标志都必须用真实标志，所以层也要按照父子关系来，需要用每一层的真实标号。

如果只想显示父层或者子层，可以通过层与层记录之间的关系来达到，隔一层记录一次，或者仅仅遍历某层之间的上一个和下一个。

例如，

从hierachy[0][0][0]开始，有上一个轮廓不存在，下一个轮廓是3，
所以查询轮廓hierachy[0][0][3]，可见[ 5, 0, 4, -1]，同级别的下一个轮廓是5，查询hierachy[0][0][5]，下一个轮廓是hierachy[0][0][7] [ 8, 5, -1, -1],，下一个轮廓是hierachy[0][0][8]， [-1, 7, -1, -1]，下一个轮廓是-1不存在，得到了0，3，5，7，8，都是一层，和图片相符，而且有子轮廓，是外层（父层）
同理，1，2，4，6是一层，都是子层（内层）

代码实现：

OpenCV中findContours轮廓提取一个边缘只对应的一个轮廓
opencv轮廓提取的时候，图像中一条边缘有查找到两个轮廓。当然只提取最外轮廓是不会出现重复情况，但设置提取所有轮廓会出现两个轮廓，对于利用得到的轮廓进一步处理带来不必要的麻烦，所以需要从一条轮廓开始，然后找他的同级链，直到找到结尾。
这样的处理方式就不会有双层轮廓的问题了。

由于截图有些噪点，边框白色部分又比较小，显示出来的效果一般。

当我把图片反转为~img时，用于检测表格：

表格检测代码：

import cv2if __name__ =='__main__':image = cv2.imread('mask1.jpg')img = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)img = cv2.adaptiveThreshold(~img, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 15, -2) contours,hierachy = cv2.findContours(img, cv2.RETR_CCOMP,cv2.CHAIN_APPROX_SIMPLE)# 查找内层的例子：i=0hierach_id = 0inner_class =[]# 一直搜索到找到没有子轮廓的结构，且注意搜索长度不能超过边界数目while(hierachy[0][i][2]!=-1 and hierachy[0][i][1]==-1 and i<len(contours) and hierachy[0][i][3]!=-1):hierach_id = ii+=1print(hierach_id,hierachy[0][hierach_id])while(hierachy[0][hierach_id][0]!=-1):inner_class.append(contours[hierach_id])hierach_id=hierachy[0][hierach_id][0]print(hierach_id,hierachy[0][hierach_id])for cnt in inner_class: # 画图cv2.drawContours(image,[cnt],0,(122,122,0),3)cv2.imshow('img',image)cv2.waitKey(10000)

把

img = cv2.adaptiveThreshold(~img, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 15, -2)

改为：

img = cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 15, -2)

也就是图片黑白反转回来就是检测外侧边框了：

最后一个4. RETR_TREE

It even tells, who is the grandpa, father, son, grandson and even beyond…