探秘OpenCV中的findContours函数

文章目录

  • 导言
  • findContours函数的作用
    • 函数原型
    • 原理分析
  • 应用场景
  • 代码示例
  • 结语

导言

在计算机视觉领域,图像处理是一项重要的任务。而在图像处理的过程中,轮廓(Contours)的提取是一项基础且关键的操作。OpenCV库中的findContours函数就是用于找到图像中的轮廓的工具之一。本文将深入介绍findContours函数的作用、原理、应用场景,并结合C++和OpenCV提供一些简单的示例代码,方便读者入门。

findContours函数的作用

findContours函数的主要作用是在二值化图像中找到轮廓,这些轮廓是由相邻的像素组成的对象的边界。该函数能够识别并返回图像中所有的轮廓,并以一种易于处理的数据结构存储。
findContours函数详解
findContours是OpenCV中用于在二值化图像中查找轮廓的函数之一。下面详细介绍该函数的原型及参数作用。

函数原型

void findContours(InputOutputArray image, OutputArrayOfArrays contours, OutputArray hierarchy, int mode, int method, Point offset = Point());

参数说明
image:输入输出参数,是二值化的源图像。在函数执行后,该图像可能会被修改,以强调轮廓。注意,输入图像必须是8位单通道图像。

contours:输出参数,存储找到的轮廓的容器。它是一个向量的向量(vector<vector>),每个元素都代表一个轮廓,其中每个Point表示轮廓上的一个点。

hierarchy:输出参数,用于存储轮廓的层级信息。它是一个向量,每个元素包含了关于一个轮廓的层级关系,包括下一个轮廓、上一个轮廓、子轮廓和父轮廓的索引。

mode:表示轮廓的检索模式,是一个整数值。常见的模式有:

RETR_EXTERNAL:只检索最外层的轮廓。
RETR_LIST:检索所有轮廓并存储为列表。
RETR_CCOMP:检索所有轮廓并组织为两层的层级结构。
RETR_TREE:检索所有轮廓并完整重构轮廓层级。
method:表示轮廓的逼近方法,同样是一个整数值。常见的方法有:

CHAIN_APPROX_NONE:存储所有的轮廓点,不进行任何压缩。
CHAIN_APPROX_SIMPLE:压缩水平、垂直和对角方向,只保留终点。
CHAIN_APPROX_TC89_L1和CHAIN_APPROX_TC89_KCOS:应用 Teh-Chin 链逼近算法。
offset:可选参数,表示轮廓中所有点的偏移。默认为Point(),即无偏移。

函数作用
findContours函数的主要作用是根据给定的模式和方法,在二值化图像中找到并提取轮廓。以下是各参数的作用:

image:作为输入,传入函数的二值化图像。

contours:作为输出,包含找到的轮廓信息。

hierarchy:作为输出,包含了轮廓之间的关系信息,如子轮廓、父轮廓等。

mode:决定了轮廓的检索模式,即找到哪些轮廓。

method:决定了轮廓的逼近方法,即如何表示轮廓的形状。

offset:可选参数,用于指定轮廓中所有点的偏移。

通过使用findContours函数,我们可以方便地在图像中定位并提取感兴趣的对象轮廓,为后续的图像处理和分析提供了基础。

原理分析

findContours函数的工作原理主要基于图像的边缘检测和连接分析。它的实现步骤可以概括为以下几个步骤:

图像预处理:首先,输入图像通常需要进行二值化处理,将图像转换为黑白两色,以便更容易检测轮廓。

边缘检测:利用一些边缘检测算法(如Sobel、Canny等),找到图像中的边缘。

轮廓查找:根据边缘信息,找到轮廓的起点,并按照一定规则遍历整个轮廓,将轮廓上的点存储起来。

轮廓连接:将相邻的轮廓点连接成完整的轮廓。

存储结果:将找到的轮廓以一种数据结构(通常是向量)存储,以便后续使用。

应用场景

findContours函数在许多计算机视觉任务中都得到广泛应用,例如:

目标检测:用于识别图像中的物体轮廓,从而进行目标检测。

图像分割:通过轮廓提取,可以将图像分割成不同的区域,有助于进一步的分析。

手写体识别:在手写体数字或字符识别中,findContours可以用于提取数字的轮廓。

医学图像分析:在医学图像中,该函数可用于分割和分析组织结构。

代码示例

使用C++与OpenCV写代码
以下是一个简单的C++代码示例,演示了如何使用OpenCV的findContours函数来查找并绘制图像中的轮廓:


#include <opencv2/opencv.hpp>
#include <iostream>using namespace cv;
using namespace std;int main() {// 读取图像Mat image = imread("example.jpg", IMREAD_GRAYSCALE);if (image.empty()) {cerr << "Unable to read the image" << endl;return -1;}// 二值化图像Mat binaryImage;threshold(image, binaryImage, 128, 255, THRESH_BINARY);// 查找轮廓vector<vector<Point>> contours;vector<Vec4i> hierarchy;findContours(binaryImage, contours, hierarchy, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);// 绘制轮廓Mat contourImage = Mat::zeros(image.size(), CV_8UC3);drawContours(contourImage, contours, -1, Scalar(0, 255, 0), 2);// 显示原始图像和带有轮廓的图像imshow("Original Image", image);imshow("Contours", contourImage);waitKey(0);return 0;
}

在这个示例中,首先读取一幅灰度图像,然后通过二值化处理。接着使用findContours函数找到图像中的轮廓,最后使用drawContours函数将轮廓绘制在一张空白图像上。最终,通过OpenCV的imshow函数显示原始图像和包含轮廓的图像。

结语

通过findContours函数,我们能够方便地在图像中找到并提取出对象的轮廓,为后续的图像处理和分析提供了基础。希望通过本文的介绍和代码示例,读者能够更好地理解并运用这一强大的函数。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/138106.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Java中内部类

1 非静态内部类 1.1 定义 非静态内部类可以直接在一个类里面定义&#xff0c;只有在外部对象存在时才有意义 1.2 语法 new 外部类().new 内部类() 2 静态内部类 2.1 定义 静态内部类的实例化 不需要一个外部类的实例为基础&#xff0c;可以直接实例化 2.2 语法 new 外…

瑞芯微:基于RK3568的深度估计模型部署

根据单张图像估计深度信息是计算机视觉领域的经典问题&#xff0c;也是一项具有挑战的难题。由于单目图像的尺度不确定&#xff0c;传统方法无法计算深度值。 随着深度学习技术的发展&#xff0c;该范式已经成为了估计单目图像的深度信息的一种解决方案。早期的深度估计方法大多…

PSP - 蛋白质复合物结构预测 Template Pair 特征 Mask 可视化

欢迎关注我的CSDN&#xff1a;https://spike.blog.csdn.net/ 本文地址&#xff1a;https://spike.blog.csdn.net/article/details/134333419 在蛋白质复合物结构预测中&#xff0c;在 TemplatePairEmbedderMultimer 层中 &#xff0c;构建 Template Pair 特征的源码&#xff0c…

点云从入门到精通技术详解100篇-基于 PoinTr 模型的牙齿点云补全

目录 前言 国内外研究现状 传统点云补全方法 深度学习点云补全方法 存在的难点

【react hook】在react hook组件中,使用Antd Table组件,columns数据异步获取,list数据更新但没有rerender解决办法

情景描述 我们有一个react组件&#xff0c;显示了一个Antd Table组件&#xff0c;设置了一个columns变量并复制给Table的columns属性&#xff0c;由于我们请求的datasource来源是异步的&#xff0c;示例伪代码如下&#xff1a; const [columns, setColumns] useState([]); /…

Java通过javacv获取视频、音频、图片等元数据信息(分辨率、大小、帧等信息)

相信我们都会或多或少需要给前端返回视频或者音频的一些信息&#xff0c;那么今天这篇文章通过Java语言使用javacv来获取视频、音频、图片等元数据信息&#xff08;分辨率、大小、帧等信息&#xff09; 一、首先导入依赖 可以先导入javacv/javacv-platform依赖&#xff0c;由…

【 云原生 | K8S 】Kubernetes 概述

Kubernetes 概述 1 K8S 是什么&#xff1f; K8S 的全称为 Kubernetes (K12345678S)&#xff0c;PS&#xff1a;“嘛&#xff0c;写全称也太累了吧&#xff0c;不如整个缩写”。 作用&#xff1a; 用于自动部署、扩展和管理“容器化&#xff08;containerized&#xff09;应用…

确定性 vs 非确定性:GPT 时代的新编程范式

分享嘉宾 | 王咏刚 责编 | 梦依丹 出品 | 《新程序员》编辑部 在 ChatGPT 所引爆的新一轮编程革命中&#xff0c;自然语言取代编程语言&#xff0c;在只需编写提示词/拍照就能出程序的时代&#xff0c;未来程序员真的会被简化为提示词的编写员吗&#xff1f;通过提示词操纵 …

安卓常见设计模式13------过滤器模式(Kotlin版)

W1 是什么&#xff0c;什么是过滤器模式&#xff1f;​ 过滤器模式&#xff08;Filter Pattern&#xff09;是一种常用的结构型设计模式&#xff0c;用于根据特定条件过滤和筛选数据。 2. W2 为什么&#xff0c;为什么需要使用过滤器模式&#xff0c;能给我们编码带来什么好处…

二分法

文章目录 二分法概述二分 > value最左的位置二分 < value最右的位置局部最小值问题 二分法概述 什么是二分法呢&#xff1f;相信大家都有所了解&#xff0c;举个最经典的二分的例子。 ​ 给定一个整型有序数组&#xff0c;和一个值 v a l u e value value&#xff0c;如…

Docker+K8s基础(重要知识点总结)

目录 一、Docker的核心1&#xff0c;Docker引擎2&#xff0c;Docker基础命令3&#xff0c;单个容器运行多个服务进程4&#xff0c;多个容器运行多个服务进程5&#xff0c;备份在容器中运行的数据库6&#xff0c;在宿主机和容器之间共享数据7&#xff0c;在容器之间共享数据8&am…

OAuth2.0双令牌

OAuth 2.0是一种基于令牌的身份验证和授权协议&#xff0c;它允许用户授权第三方应用程序访问他们的资源&#xff0c;而不必共享他们的凭据。 在OAuth 2.0中&#xff0c;通常会使用两种类型的令牌&#xff1a;访问令牌和刷新令牌。访问令牌是用于访问资源的令牌&#xff0c;可…

Proteus仿真--基于数码管设计的可调式电子钟

本文主要介绍基于51单片机的数码管设计的可调式电子钟实验&#xff08;完整仿真源文件及代码见文末链接&#xff09; 仿真图如下 其中数码管主要显示电子钟时间信息&#xff0c;按键用于调节时间 仿真运行视频 Proteus仿真--数码管设计的可调式电子钟&#xff08;仿真文件程…

基于STM32设计的智能水母投喂器(华为云IOT)

基于STM32设计的智能水母养殖系统 一、设计简述 1.1 项目背景 水母是一种非常美丽和神秘的生物,在许多人的眼中,它不仅是一种宽广的海洋世界中的一道美丽的风景线,同时也是一种珍贵的实验动物和养殖资源。随着水母的养殖需求不断增多,一个高效、智能、可控的水母养殖系统…

【Proteus仿真】【51单片机】汽车尾灯控制设计

文章目录 一、功能简介二、软件设计三、实验现象联系作者 一、功能简介 本项目使用Proteus8仿真51单片机控制器&#xff0c;使用按键、LED模块等。 主要功能&#xff1a; 系统运行后&#xff0c;系统运行后&#xff0c;系统开始运行&#xff0c;K1键控制左转向灯&#xff1b;…

矢量图形编辑软件Boxy SVG mac中文版软件特点

Boxy SVG mac是一款基于Web的矢量图形编辑器&#xff0c;它提供了一系列强大的工具和功能&#xff0c;可帮助用户创建精美的矢量图形。Boxy SVG是一款好用的软件&#xff0c;并且可以在Windows、Mac和Linux系统上运行。 Boxy SVG mac软件特点 简单易用&#xff1a;Boxy SVG的用…

代码随想录 Day40 动态规划08 LeetCodeT198打家劫舍 T213打家劫舍II T337 打家劫舍III

动规五部曲: 1.确定dp数组含义 2.确定递推公式 3.初始化dp数组 4.确定遍历顺序 5.打印数组排错 LeetCode T198 打家劫舍 题目链接:198. 打家劫舍 - 力扣&#xff08;LeetCode&#xff09; 题目思路: 今天我们走出背包问题,开始进入新一轮经典问题的学习:打家劫舍问题. 题目大概…

CSS 中BFC是什么?

在CSS中&#xff0c;BFC&#xff08;块级格式化上下文&#xff09;是一个重要的概念&#xff0c;它对于理解和解决布局中的一些问题非常有帮助。本文将深入探讨BFC是什么&#xff0c;以及如何使用代码来详细解释BFC的概念和应用。 引言 在Web开发中&#xff0c;页面布局是一个…

Linux文件类型与权限及其修改

后面我们写代码时&#xff0c;写完可能会出现没有执行权限什么的&#xff0c;所以我们要知道文件都有哪些权限和类型。 首先 就像我们之前目录结构图里面有个/dev,它就是存放设备文件的&#xff0c;也就是说&#xff0c;哪怕是一个硬件设备&#xff0c;例如打印机啥的&#xf…

机器学习算法——线性回归与非线性回归

目录 1. 梯度下降法1.1 一元线性回归1.2 多元线性回归1.3 标准方程法1.4 梯度下降法与标准方程法的优缺点 2. 相关系数与决定系数 1. 梯度下降法 1.1 一元线性回归 定义一元线性方程 y ω x b y\omega xb yωxb 则误差&#xff08;残差&#xff09;平方和 C ( ω , b ) …