OpenCV findContours 函数实现 |21xrx.com

OpenCV findContours 函数实现

2023-07-17 20:11:22 深夜i -- --

C++代码 OpenCV 函数实现

在计算机视觉和图像处理领域，边缘检测是一个重要的任务。OpenCV是一个功能强大的开源计算机视觉库，它提供了各种图像处理和分析函数。其中一个常用的函数是findContours，它可以用来检测图像中的边缘。

findContours函数通过查找图像中的连续非零像素点的边缘，生成一组检测到的轮廓。通过这些轮廓，我们可以分析图像的形状、外部和内部结构，从而实现各种应用，如物体检测、形状识别等。

下面是一个使用C++编写的OpenCV findContours函数的示例代码：


#include <opencv2/opencv.hpp>
#include <iostream>
using namespace cv;
using namespace std;
int main()
{
  // 加载图像
  Mat image = imread("image.png", IMREAD_GRAYSCALE);
  // 检查图像是否成功加载
  if (image.empty())
  
    cout << "无法加载图像！" << endl;
    return -1;
  
  // 对图像应用二值化
  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_TREE, CHAIN_APPROX_SIMPLE);
  // 绘制轮廓
  Mat contourImage = Mat::zeros(image.size(), CV_8UC3);
  for (size_t i = 0; i < contours.size(); i++)
  {
    Scalar color = Scalar(0, 0, 255); // 蓝色
    drawContours(contourImage, contours, i, color, 2, LINE_8, hierarchy, 0);
  }
  // 显示原始图像和检测到的轮廓图像
  imshow("原始图像", image);
  imshow("轮廓图像", contourImage);
  waitKey(0);
  return 0;
}

在这段代码中，我们首先使用imread函数加载一幅灰度图像。然后，我们使用threshold函数对图像进行二值化处理，将像素点的灰度值转化为二值（黑白）图像，以便更好地检测边缘。

接下来，我们定义了两个容器变量contours和hierarchy，用于存储检测到的轮廓和它们的层次结构。

然后，我们调用findContours函数来查找图像中的轮廓。该函数的参数包括输入二值图像、输出轮廓、输出轮廓所属的层次结构等。在这个示例中，我们使用的轮廓检测模式是RETR_TREE，表示检测所有的轮廓，并构造轮廓的整体层次结构。另外，CHAIN_APPROX_SIMPLE参数表示轮廓中的点是由水平、垂直和对角线组成的。

最后，我们使用drawContours函数将检测到的轮廓绘制在一个空白图像上，并通过imshow函数显示原始图像和检测到的轮廓图像。

这段代码可以让我们更好地理解和使用OpenCV中的findContours函数来检测图像中的边缘。通过这个函数，我们可以实现各种图像处理和计算机视觉应用，为我们的项目提供强大的功能和性能。

上一篇: idea打包java可执行jar包

下一篇: Node.js使用await时的异常处理

评论区

()

相似文章