OpenCV函数cvFindContours
int cvFindContours( CvArr* image, CvMemStorage* storage, CvSeq** first_contour,int header_size=sizeof(CvContour),int mode=CV_RETR_LIST,int method=CV_CHAIN_APPROX_SIMPLE, CvPoint offset=cvPoint(0,0) );
/************************************************************************/ /* 提取轮廓两种方法对比及绘制轮廓'最大等级'分析 */ /************************************************************************/ #include "stdafx.h" #include "cv.h" #include "highgui.h" int main() { IplImage* img = cvLoadImage("lena.jpg", CV_LOAD_IMAGE_GRAYSCALE); IplImage* img_temp = cvCreateImage(cvGetSize(img), 8, 1); cvThreshold(img, img, 128, 255, CV_THRESH_BINARY); CvMemStorage* mem_storage = cvCreateMemStorage(0); CvSeq *first_contour = NULL, *c = NULL; // // 1、 cvNamedWindow("contour1"); cvCopyImage(img, img_temp); double t = (double)cvGetTickCount(); cvFindContours(img_temp, mem_storage, &first_contour); cvZero(img_temp); cvDrawContours( img_temp, first_contour, cvScalar(100), cvScalar(100), 1 ); t = (double)cvGetTickCount() - t; cvShowImage("contour1", img_temp); printf("run1 = %gms\n", t/(cvGetTickFrequency()*1000.)); cvClearMemStorage(mem_storage); // // 2、 cvNamedWindow("contour2"); cvCopyImage(img, img_temp); t = (double)cvGetTickCount(); CvContourScanner scanner = cvStartFindContours(img_temp, mem_storage); while (cvFindNextContour(scanner)); first_contour = cvEndFindContours(&scanner); cvZero(img_temp); cvDrawContours( img_temp, first_contour, cvScalar(100), cvScalar(100), 1 ); t = (double)cvGetTickCount() - t; cvShowImage("contour2", img_temp); printf("run2 = %gms\n", t/(cvGetTickFrequency()*1000.)); cvClearMemStorage(mem_storage); cvReleaseImage(&img); cvReleaseImage(&img_temp); cvWaitKey(); /************************************************************************/ /* 经测试 run1 = 16.1431ms run2 = 15.8677ms (参考) 不过可以肯定这两中算法时间复杂度是相同的 */ /************************************************************************/ // // 上述两种方法完成了对轮廓的提取,如想绘制轮廓都得配合cvDrawContours来使用 // 而cvDrawContours 函数第5个参数为 max_level 经查ICVL含义如下: // // 绘制轮廓的最大等级。如果等级为0,绘制单独的轮廓。如果为1,绘制轮廓及在其后的相同的级别下轮廓。 // 如果值为2,所有的轮廓。如果等级为2,绘制所有同级轮廓及所有低一级轮廓,诸此种种。如果值为负数, // 函数不绘制同级轮廓,但会升序绘制直到级别为abs(max_level)-1的子轮廓。 // // 相信好多读者初次都无法理解等级的含义,而且测试时候输入>=1 的整数效果几乎一样 // 只有提取轮廓时候的提取模式设为 CV_RETR_CCOMP CV_RETR_TREE 时这个参数才有意义 // // 经查FindContours 函数里面这样介绍提取模式(mode)的这两个参数: // CV_RETR_CCOMP - 提取所有轮廓,并且将其组织为两层的 hierarchy: 顶层为连通域的外围边界,次层为洞的内层边界。 // CV_RETR_TREE - 提取所有轮廓,并且重构嵌套轮廓的全部 hierarchy // // 下面用第一种方法进行测试 cvNamedWindow("contour_test"); cvNamedWindow("contour_raw"); img = cvLoadImage("contour.jpg", CV_LOAD_IMAGE_GRAYSCALE); cvShowImage("contour_raw", img); cvThreshold(img, img, 128, 255, CV_THRESH_BINARY); img_temp = cvCloneImage(img); cvFindContours( img_temp, mem_storage, &first_contour, sizeof(CvContour), CV_RETR_CCOMP //#1 需更改区域 ); cvZero(img_temp); cvDrawContours( img_temp, first_contour, cvScalar(100), cvScalar(100), 1 //#2 需更改区域 ); cvShowImage("contour_test", img_temp); /************************************************************************/ /* (1, 2) = (CV_RETR_CCOMP, 1) 如图1 (1, 2) = (CV_RETR_CCOMP, 2) 如图2 (1, 2) = (CV_RETR_TREE, 1) 如图3 (1, 2) = (CV_RETR_TREE, 2) 如图4 (1, 2) = (CV_RETR_TREE, 6) 如图5 经分析CV_RETR_CCOMP 只把图像分为两个层次,顶层和次层,一等级轮廓只匹配与其最接近 的内侧轮廓即2等级 CV_RETR_TREE 则从轮廓外到内按等级1 - n 全部分配 CV_RETR_LIST 全部轮廓均为1级 */ /************************************************************************/ cvWaitKey(); cvReleaseImage(&img); cvReleaseImage(&img_temp); cvReleaseMemStorage(&mem_storage); cvDestroyAllWindows(); return 0; }
原图
图一
图二
图三
图四
图五
这是OpenCV的经典一个例子:
#include "cv.h"#include "cxcore.h"#include "highgui.h"#include <math.h>#endif #pragma comment(lib,"cv.lib") #pragma comment(lib,"highgui.lib") #pragma comment(lib,"cxcore.lib")#define w 500int levels = 3;CvSeq* contours = 0; void on_trackbar(int pos){ IplImage* cnt_img = cvCreateImage( cvSize(w,w), 8, 3 ); CvSeq* _contours = contours; int _levels = levels - 3; if( _levels <= 0 ) // get to the nearest face to make it look more funny _contours = _contours->h_next->h_next->h_next->h_next->h_next->h_next->h_next->v_next->h_next->h_next;//_contours = _contours->v_next; cvZero( cnt_img ); cvDrawContours( cnt_img, _contours, CV_RGB(255,0,0), CV_RGB(0,255,0), _levels);//, 3, CV_AA, cvPoint(0,0) ); /*_levels:3,所有外轮廓及包含的内轮廓及里面的内轮廓2:所有外轮廓及包含的内轮廓1:所有外轮廓0,第一个外轮廓-1:第一个外轮廓及包含的内轮廓-2:第一个外轮廓及包含的内轮廓及里面的内轮廓 _contours->h_next:同级的下一个轮廓_contours->v_next父级下的下层区域;*/cvShowImage( "contours", cnt_img ); cvReleaseImage( &cnt_img );} int main( int argc, char** argv ){ int i, j; CvMemStorage* storage = cvCreateMemStorage(0); IplImage* img = cvCreateImage( cvSize(w,w), 8, 1 ); cvZero( img ); for( i=0; i < 6; i++ ) { int dx = (i%2)*250 - 30;//0%2=0; int dy = (i/2)*150; CvScalar white = cvRealScalar(255); CvScalar black = cvRealScalar(0); if( i == 0 ) { for( j = 0; j <= 10; j++ ) { double angle = (j+5)*CV_PI/21; cvLine(img, cvPoint(cvRound(dx+100+j*10-80*cos(angle)), cvRound(dy+100-90*sin(angle))), cvPoint(cvRound(dx+100+j*10-30*cos(angle)), cvRound(dy+100-30*sin(angle))), white, 1, 8, 0); } } cvEllipse( img, cvPoint(dx+150, dy+100), cvSize(100,70), 0, 0, 360, white, -1, 8, 0 ); cvEllipse( img, cvPoint(dx+115, dy+70), cvSize(30,20), 0, 0, 360, black, -1, 8, 0 ); cvEllipse( img, cvPoint(dx+185, dy+70), cvSize(30,20), 0, 0, 360, black, -1, 8, 0 ); cvEllipse( img, cvPoint(dx+115, dy+70), cvSize(15,15), 0, 0, 360, white, -1, 8, 0 ); cvEllipse( img, cvPoint(dx+185, dy+70), cvSize(15,15), 0, 0, 360, white, -1, 8, 0 ); cvEllipse( img, cvPoint(dx+115, dy+70), cvSize(5,5), 0, 0, 360, black, -1, 8, 0 ); cvEllipse( img, cvPoint(dx+185, dy+70), cvSize(5,5), 0, 0, 360, black, -1, 8, 0 ); cvEllipse( img, cvPoint(dx+150, dy+100), cvSize(10,5), 0, 0, 360, black, -1, 8, 0 ); cvEllipse( img, cvPoint(dx+150, dy+150), cvSize(40,10), 0, 0, 360, black, -1, 8, 0 ); cvEllipse( img, cvPoint(dx+27, dy+100), cvSize(20,35), 0, 0, 360, white, -1, 8, 0 ); cvEllipse( img, cvPoint(dx+273, dy+100), cvSize(20,35), 0, 0, 360, white, -1, 8, 0 ); } cvNamedWindow( "image", 1 ); cvShowImage( "image", img ); cvFindContours( img, storage, &contours, sizeof(CvContour), 2, CV_CHAIN_APPROX_SIMPLE, cvPoint(0,0) ); // comment this out if you do not want approximation contours = cvApproxPoly( contours, sizeof(CvContour), storage, CV_POLY_APPROX_DP, 3, 1 ); //cvApproxPoly: 逼近方法 精度 逼近曲线是否封闭 cvNamedWindow( "contours", 1 ); cvCreateTrackbar( "levels+3", "contours", &levels, 7, on_trackbar ); on_trackbar(0); cvWaitKey(0); cvReleaseMemStorage( &storage ); cvReleaseImage( &img ); return 0;}
主要还是理解下int mode=CV_RETR_LIST,int method=CV_CHAIN_APPROX_SIMPLE,CvPoint offset=cvPoint(0,0));
当mode 为CV_RETR_CCOMP 只把图像分为两个层次,顶层和次层,一等级轮廓只匹配与其最接近 ;
cvDrawContours 函数第5个参数为 max_level=0时,笑脸图像会显示第一个找到的轮廓,左边的白色耳朵一只;
max_level=1时,所有白色区域的轮廓都会被显示出来,因为他们都属于等级1;
max_level=2时;每个白色区域里面的黑色区域会被显示出来,可能一个白色区域下面有多个黑色区域,但他们都是同级的;
这里你要注意的的是每个白色区域下的黑色区域,如脸下面有4个黑色区域,白色眼珠下有一个黑色区域,这个黑色区域与脸下的那三个区域时同级的,也就是说他不属于脸的内区域,他是白色眼珠的内区域;
当mode为 CV_RETR_LIST 全部轮廓均为1级
再分享一下我老师大神的人工智能教程吧。零基础!通俗易懂!风趣幽默!还带黄段子!希望你也加入到我们人工智能的队伍中来!https://blog.csdn.net/jiangjunshow
OpenCV函数cvFindContours相关推荐
- opencv使用cvFindContours提取联通域
转自:http://hi.baidu.com/irmosgarden/blog/item/8ce0174c54b307fad72afcbc.html // m_imgFeature为黑白目标图像,白色 ...
- Opencv函数手册
内容包含了Opencv的各种函数的使用中英文详细介绍.唯一的缺点是因为没有顺利,无法检索快速找出来所需要啊的函数. 有木有大神,知道怎样快速的检索Opencv函数的调用介绍?
- csharp通过dll调用opencv函数,图片作为参数
[blog 项目实战派]csharp通过dll调用opencv函数,图片作为参数 一直想做着方面的研究,但是因为这个方面的知识过于小众,也是由于自己找资料的能力比较弱,知道今天才找 ...
- OpenCV函数 Canny 检测边缘
OpenCV函数 Canny 检测边缘. 原理 Canny 边缘检测算法 是 John F. Canny 于 1986年开发出来的一个多级边缘检测算法,也被很多人认为是边缘检测的 最优算法, 最优边缘 ...
- OpenCV函数 Laplacian 算子实现
OpenCV函数 Laplacian 实现 Laplacian 算子 的离散模拟. 原理 前一节我们学习了 Sobel 算子 ,其基础来自于一个事实,即在边缘部分,像素值出现"跳跃" ...
- OpenCV使用Sobel或Scharr OpenCV函数进行边缘检测的实例(附完整代码)
OpenCV使用Sobel或Scharr OpenCV函数进行边缘检测的实例 OpenCV使用Sobel或Scharr OpenCV函数进行边缘检测的实例 OpenCV使用Sobel或Scharr O ...
- 【OpenCV函数】轮廓提取;轮廓绘制;轮廓面积;外接矩形
FindContours 在二值图像中寻找轮廓 int cvFindContours( CvArr* image, CvMemStorage* storage, CvSeq** first_cont ...
- 【OpenCV】OpenCV函数精讲之 -- 图像容器Mat
Mat是一个类,由两部分组成: 矩阵头(包含矩阵尺寸.存储方法.存储地址等信息) 指向存储所有像素值的矩阵(根据所选存储方法的不同,矩阵可以是不同的维数)的指针 OpenCV中,每个Mat对象有自己的 ...
- OpenCV函数remap详解
OpenCV函数remap详解 remap的作用是将原影像映射到目标影像的函数. 这是OpenCV文档中的说明. 但这个描述给人的感觉是,云里雾里,到底是需要计算目标到原的映射关系,还是原到目标的映射 ...
最新文章
- loadrunner关联点总结
- Python3.5 Day1作业:实现用户密码登录,输错三次锁定。
- 亿佰特物联网无线模块通信技术分析
- 大油井隐藏的箱子_房子买的小户型,4招变大不止一倍
- 深入浅出Docker(四):Docker的集成测试部署之道
- 【2031】求一元三次方程的解
- paip.环境设置 mybatis ibatis cfg 环境设置
- 【CSS】制作ICO图标
- HttpStatus详解
- rfc3315_DHCPv6-RFC3315(中文).pdf
- Nature子刊:中国学生读完大学后,批判性思维和学术技能出现全面下降
- 兑换记录html页面,兑换码记录.html
- 2010考研数学二第(11)题——高阶导数
- 各类排序算法汇总及动画演示(C语言)
- 加密算法与大数据安全
- iQOO Z6和iQOOZ6x的区别 选哪个好
- 百度前CTO刘建国任搜索网站爱帮网CEO
- 顶级销售人员经常使用的 6 种销售技巧
- 房地产360全景的制作方法
- 图片文件转base64和base64转图片文件
热门文章
- Sesame 2.7.0 发布,Java 的 RDF 开发包
- FusionChart完全入门手册8
- C# 的Delegate(委托)
- .NET Core Docker使用初入篇
- 发布任务PHP源码,Thinkphp5新威客任务平台源码
- myabtis 数字+逗号 传参问题 $和#
- 图数据库neo4j安装、neo4j使用
- 用table展示树形结构数据_复习一下数据结构(二)——2.2 树形索引(23树)
- nginx 反向proxy多个 tomcat,负载均衡
- (JAVA)String类之比较方法(2)