Goal

在本教程中，您将学习如何：

使用 OpenCV 函数 cv::boundingRect

使用 OpenCV 函数 cv::minEnclosureCircle

Theory

Code

本教程代码如下所示。你也可以从这里下载 https://github.com/opencv/opencv/tree/4.x/samples/cpp/tutorial_code/ShapeDescriptors/generalContours_demo1.cpp

/*** @function generalContours_demo1.cpp* @brief 在图像中查找轮廓的演示代码* @author OpenCV team*/#include "opencv2/imgcodecs.hpp"
#include "opencv2/highgui.hpp"
#include "opencv2/imgproc.hpp"
#include <iostream>using namespace cv;
using namespace std;Mat src_gray;
int thresh = 100;
RNG rng(12345);/// Function header
void thresh_callback(int, void* );/*** @function main*/
int main( int argc, char** argv )
{//! [setup]/// 加载源图像CommandLineParser parser( argc, argv, "{@input | stuff.jpg | input image}" );Mat src = imread( samples::findFile( parser.get<String>( "@input" ) ) );if( src.empty() ){cout << "Could not open or find the image!\n" << endl;cout << "usage: " << argv[0] << " <Input image>" << endl;return -1;}/// 将图像转换为灰度图并模糊它cvtColor( src, src_gray, COLOR_BGR2GRAY );blur( src_gray, src_gray, Size(3,3) );//均值滤波//! [setup]//! [createWindow]/// 创建窗口const char* source_window = "Source";namedWindow( source_window );imshow( source_window, src );//显示源图像//! [createWindow]//! [trackbar]const int max_thresh = 255;createTrackbar( "Canny thresh:", source_window, &thresh, max_thresh, thresh_callback );//创建滑动条thresh_callback( 0, 0 );//回调//! [trackbar]waitKey();return 0;
}/*** @function thresh_callback*/
void thresh_callback(int, void* )
{//! [Canny]/// 使用 Canny 检测边缘 Detect edges using CannyMat canny_output;Canny( src_gray, canny_output, thresh, thresh*2 );//! [Canny]//! [findContours]/// 寻找轮廓 Find contoursvector<vector<Point> > contours;findContours( canny_output, contours, RETR_TREE, CHAIN_APPROX_SIMPLE );//! [findContours]//! [allthework]/// 近似轮廓到多边形 + 获得边界矩形和圆形 Approximate contours to polygons + get bounding rects and circlesvector<vector<Point> > contours_poly( contours.size() );//近似轮廓多边形vector<Rect> boundRect( contours.size() );//边界矩形vector<Point2f>centers( contours.size() );//边界圆圆心vector<float>radius( contours.size() );//边界圆半径for( size_t i = 0; i < contours.size(); i++ )//遍历轮廓点{approxPolyDP( contours[i], contours_poly[i], 3, true );//对图像轮廓点进行多边形拟合boundRect[i] = boundingRect( contours_poly[i] );//boundingRect来对指定的点集进行包含，使得形成一个最合适的正向矩形框把当前指定的点集都框住.计算轮廓的垂直边界最小矩形，矩形是与图像上下边界平行的minEnclosingCircle( contours_poly[i], centers[i], radius[i] );//寻找包裹轮廓的最小圆}//! [allthework]//! [zeroMat]Mat drawing = Mat::zeros( canny_output.size(), CV_8UC3 );//黑色背景图//! [zeroMat]//! [forContour]/// 绘制多边形轮廓+边界矩形+圆形 Draw polygonal contour + bonding rects + circlesfor( size_t i = 0; i< contours.size(); i++ ){Scalar color = Scalar( rng.uniform(0, 256), rng.uniform(0,256), rng.uniform(0,256) );//随机颜色drawContours( drawing, contours_poly, (int)i, color );//轮廓多边形rectangle( drawing, boundRect[i].tl(), boundRect[i].br(), color, 2 );//矩形circle( drawing, centers[i], (int)radius[i], color, 2 );//圆}//! [forContour]//! [showDrawings]/// 显示结果Show in a windowimshow( "Contours", drawing );//! [showDrawings]
}

Explanation

main 函数比较简单，从注释中我们做了如下：

打开图像，将其转换为灰度并对其进行模糊处理以消除噪点。

CommandLineParser parser( argc, argv, "{@input | stuff.jpg | input image}" );

Mat src = imread( samples::findFile( parser.get<String>( "@input" ) ) );

if( src.empty() )

{

cout << "Could not open or find the image!\n" << endl;

cout << "usage: " << argv[0] << " <Input image>" << endl;

return -1;

}

cvtColor( src, src_gray, COLOR_BGR2GRAY );

blur( src_gray, src_gray, Size(3,3) );

2. 创建一个带有标题“Source”的窗口并在其中显示源文件。

const char* source_window = "Source";

namedWindow( source_window );

imshow( source_window, src );

3.在 source_window 上创建一个跟踪栏并为其分配一个回调函数。一般来说，回调函数用于对某种信号做出反应，在我们的例子中是滑动条的状态变化。要同时显示“轮廓”窗口和“源”窗口，需要显式地一次性调用 thresh_callback。

const int max_thresh = 255;

createTrackbar( "Canny thresh:", source_window, &thresh, max_thresh, thresh_callback );

thresh_callback( 0, 0 );

回调函数完成了所有有趣的工作。

4. 使用 cv::Canny 检测图像中的边缘。

Mat canny_output;

Canny( src_gray, canny_output, thresh, thresh*2 );

5. 查找轮廓并将它们保存到向量轮廓和层次结构中。

vector<vector<Point> > contours;

findContours( canny_output, contours, RETR_TREE, CHAIN_APPROX_SIMPLE );

6. 对于每个找到的轮廓，我们现在将近似值应用于精度为 +-3 的多边形，并声明曲线必须是闭合的。之后，我们为每个多边形找到一个边界矩形并将其保存到 boundRect。最后，我们为每个多边形找到一个最小包围圆，并将其保存到中心和半径向量。

vector<vector<Point> > contours_poly( contours.size() );

vector<Rect> boundRect( contours.size() );

vector<Point2f>centers( contours.size() );

vector<float>radius( contours.size() );

for( size_t i = 0; i < contours.size(); i++ )

{

approxPolyDP( contours[i], contours_poly[i], 3, true );

boundRect[i] = boundingRect( contours_poly[i] );

minEnclosingCircle( contours_poly[i], centers[i], radius[i] );

}

我们找到了我们需要的一切，我们所要做的就是画画。

7. 创建新的无符号 8 位字符 Mat，用零填充。它将包含我们要制作的所有图纸（矩形和圆圈）。

Mat drawing = Mat::zeros( canny_output.size(), CV_8UC3 );

8. 对于每个轮廓：选择一种随机颜色，用它绘制轮廓、边界矩形和最小的封闭圆。

for( size_t i = 0; i< contours.size(); i++ )

{

Scalar color = Scalar( rng.uniform(0, 256), rng.uniform(0,256), rng.uniform(0,256) );

drawContours( drawing, contours_poly, (int)i, color );

rectangle( drawing, boundRect[i].tl(), boundRect[i].br(), color, 2 );

circle( drawing, centers[i], (int)radius[i], color, 2 );

}

9. 显示结果：创建一个新窗口“轮廓”并在其上显示我们添加到图纸中的所有内容。

imshow( "Contours", drawing );

Result

参考：

cv.approxPolyDP多边拟合函数

cv.approxPolyDP() 的参数1是源图像的某个轮廓；参数2(epsilon)是一个距离值，表示多边形的轮廓接近实际轮廓的程度，值越小，越精确；参数3表示是否闭合。

C++: void approxPolyDP(InputArray curve, OutputArray approxCurve, double epsilon, bool closed)

参数详解;

InputArray curve:一般是由图像的轮廓点组成的点集

OutputArray approxCurve：表示输出的多边形点集，当前点集是能最小包容指定点集的。draw出来即是一个多边形；

double epsilon：主要表示输出的精度，也即是原始曲线与近似曲线之间的最大距离。

bool closed：表示输出的多边形是否封闭

openCV之approxPolyDP()多边拟合函数_zhangweiwei1516的博客-CSDN博客_approxpolydp 获取四个角点

寻找包裹轮廓的最小圆：minEnclosingCircle 函数

返回圆应满足：① 轮廓上的点均在圆形空间内。② 没有面积更小的满足条件的圆。

void minEnclosingCircle(InputArray points, Point2f& center, float& radius);

points，输入的二维点集，可以是 vector 或 Mat 类型。

center，圆的输出圆心。

radius，圆的输出半径。

opencv —— minEnclosingCircle、fitEllipse 寻找包裹轮廓的最小圆、点集拟合椭圆 - 老干妈就泡面 - 博客园 (cnblogs.com)

OpenCV—Python 轮廓检测绘出矩形框（findContours\ boundingRect\rectangle）_javastart的博客-CSDN博客_findcontours 矩形

Opencv视觉学习－－Rect、RotatedRect类与boundingRect( )、minAreaRect( )、fitEllipse( )函数_佳佳鸽的博客-CSDN博客

minAreaRect( )函数返回参数如图：

角点顺序是固定以最下面的点为P[0],顺时针依次递增编号的。将水平轴逆时针旋转，最先与水平轴平行的边作为宽width，另外一条边则为高height，并非长的就是height，短的就是width。而角度则直接取最先与水平轴平行的边与水平轴的夹角,取值范围[-90~0]。

fitEllipse( )函数返回参数如图：

角度参数angle 是椭圆中心center发出的平行于x轴的射线，顺时针旋转，与椭圆短轴的夹角，取值范围 [ 0 ~ 180 ]。椭圆的短轴为参数宽width，长轴为参数长height。

【opencv 450 Image Processing】Creating Bounding boxes and circles for contours为轮廓创建边界框和圆相关推荐

OpenCV为轮廓创建边界框和圆
OpenCV为轮廓创建边界框和圆为轮廓创建边界框和圆目标代码解释结果为轮廓创建边界框和圆目标在本教程中,您将学习如何: 使用OpenCV函数cv :: boundingRect 使用O ...
OpenCV为轮廓创建边界旋转框和椭圆
OpenCV为轮廓创建边界旋转框和椭圆为轮廓创建边界旋转框和椭圆目标代码结果为轮廓创建边界旋转框和椭圆目标在本教程中,您将学习如何: 使用OpenCV函数cv :: minAreaRec ...
【opencv 450 Image Processing】Image Moments 图像矩
Goal 在本教程中,您将学习如何: 使用 OpenCV 函数 cv::moments 使用 OpenCV 函数 cv::contourArea 使用 OpenCV 函数 cv::arcLength ...
【opencv 450 Image Processing】Periodic Noise Removing Filter周期性去噪滤波器
Periodic Noise Removing Filter 周期性去噪滤波器 OpenCV: Periodic Noise Removing Filter Goal 在本教程中,您将学习: 如 ...
【opencv 450 Image Processing】Hit-or-Miss
Goal 在本教程中,您将学习如何使用 Hit-or-Miss 变换(也称为 Hit-and-Miss 变换)在二进制图像中找到给定的配置或模式(-1对应背景,1对应前景.找到邻域与内核模式一样的像素 ...
【opencv 450 Image Processing】Anisotropic image segmentation by a gradient structure tensor
Anisotropic image segmentation by a gradient structure tensor 梯度结构张量的各向异性图像分割 Goal 在本教程中,您将学习: 梯度结构张 ...
【NIPS 2020】Generalized Focal Loss: Learning Qualified and Distributed Bounding Boxes for...译读笔记
论文名称 Generalized Focal Loss: Learning Qualified and Distributed Bounding Boxes for Dense Object Dete ...
(NeurIPS 2019) Learning Object Bounding Boxes for 3D Instance Segmentation on Point Clouds
Abstract 我们提出了一种新颖的.概念上简单的通用框架,用于在3D点云上进行实例分割.我们的方法称为3D-BoNet,遵循每点多层感知器(MLP)的简单设计理念.该框架直接回归点云中所有实例的3 ...
[GFL]Generalized Focal Loss: Learning Qualified and Distributed Bounding Boxes for Dense Object Dete
Generalized Focal Loss: Learning Qualified and Distributed Bounding Boxes for Dense Object Detection ...
目标、物体识别（检测）object detection 中的 bounding boxes 是什么？边界区域、边界框、边界盒
边界区域.边界框.边界盒参考文章:人脸检测中的bounding box regression详解

【opencv 450 Image Processing】Creating Bounding boxes and circles for contours为轮廓创建边界框和圆