图像形状查找在OPENCV里面是非常常见的功能，它常用于视觉任务、目标检测、图像分割等等。在OPENCV中通常使用Canny函数、findContours函数、drawContours函数结合在一起去做轮廓的形检测。
一、重要函数讲解
1.1 findContours 函数的简介以及定义
在OPENCV中通常使用findContours函数去寻找图片的轮廓，也是OPENCV中处理轮廓最重要的函数之一，它常用于找到二值图像中所有物体的轮廓。它的实现原理是通过扫描一张二值图像，然后找到所有的轮廓，并把所有的数据存储在向量里面。下面我们来看看findContours的函数定义
void findContours(
InputArray image,
OutputArrayOfArrays contours,
OutputArray hierarchy,
int mode,
int method,
Point offset = Point()
);**第一个参数：**image输入的二值图像，这个图像通常是用在边缘检测、阈值处理等等
第二个参数： contours输出的轮廓集合，每一个轮廓都是由点组成，通常用**vector<vector<Point>>**来表示
第三个参数： hierarchy输出的轮廓层次结构，这通常表示轮廓之间的父子关系，这个是可选参数，通常用vector<Vec4i> hierarchy来表示。比方说，第i个轮廓，hierarchyi0、hierarchyi1、hierarchyi2、hierarchyi3, 依次为第i个轮廓Next、Pervious、First_Child，Parent, 这表示的是相同等级下种下一轮廓、前一轮廓，第一个子轮廓和父轮廓的索引号。若轮廓i没有下一个，前一个或者父级轮廓，则层次相应的元素是负数。如下图：
Next **：**表示同一级别的下一个轮廓索引，若我们图片中取出轮廓0，同一水平的下一个是轮廓1。所以说当轮廓 == 0的时候，NEXT就是轮廓1。
Previous **：**表示同一级别的上一个轮廓索引，如轮廓1的同一级别的上一个是轮廓0。以此类推，轮廓2的上一个轮廓是轮廓1。
First_Child **：**表示的是当前轮廓的第一个子轮廓的索引。比方说，对于轮廓2，子轮廓是2a，所以轮廓2的First_Child是轮廓2a相对应的索引值。而对于3a来说，它有两个轮廓分别是6,7, 但这里只能取第一个轮廓，所以这里是6。
Parent **：**表示的是当前轮廓的父轮廓索引，比方说对于轮廓6和轮廓7来说，它们的父轮廓都是3a。
**第四个参数：**mode轮廓检索模式，通常有以下选项
| 枚举值 | 作用 | 适用场景 |
|---|---|---|
RETR_EXTERNAL |
只检测最外层轮廓，忽略所有内部孔洞轮廓 | 最常用，嵌入式优先推荐；只需要物体外轮廓、不需要内部细节时使用，计算量最小 |
RETR_LIST |
检测所有轮廓，但不建立层级关系，所有轮廓同级 | 需要全部轮廓但不需要父子关系时使用 |
RETR_CCOMP |
检测所有轮廓，建立两层层级（外层 + 内层孔洞） | 有孔洞的物体（比如圆环、带孔零件）检测 |
RETR_TREE |
检测所有轮廓，建立完整的树形层级关系 | 需要完整轮廓嵌套结构的复杂场景 |
**第五个参数：**method轮廓近似方法，通常有以下的几种方法
| 枚举值 | 作用 | 适用场景 |
|---|---|---|
CHAIN_APPROX_SIMPLE |
压缩水平、垂直、对角线方向的冗余点，只保留线段端点；比如矩形轮廓只存 4 个角点 | 强烈推荐，大幅减少轮廓点数量，节省内存和计算量，嵌入式必用 |
CHAIN_APPROX_NONE |
保存轮廓上所有像素点，点数量极多 | 需要精确轮廓轨迹的高精度场景，一般不用 |
**第六个参数：**offset轮廓点偏移量，默认(0,0)
输出数据结构说明
contours是二维向量：contours[0]是第一条轮廓，contours[0][0]是第一条轮廓的第一个点坐标；- 每条轮廓都是一组连续的
Point(x,y)坐标，围成闭合的边缘。
1.2 drawContours 函数的简介以及定义
在OPENCV中drawContours常用于绘制图像的轮廓，如上图，我们来看看这个函数的API定义：
void drawContours(
InputOutputArray image,
InputArrayOfArrays contours,
int contourIdx,
const Scalar& color,
int thickness = 1,
int lineType = LINE_8,
InputArray hierarchy = noArray(),
int maxLevel = INT_MAX,
Point offset = Point()
);第一个参数： image输出图像，即绘制轮廓后的图像
第二个参数： contours轮廓的集合，它是由一系列的点组成
第三个参数： contourIdx、轮廓索引数组，指定要绘制哪些轮廓
第四个参数： contourColor **，**轮廓颜色，使用Scalar类型表示
第五个参数： thickness **，**轮廓线宽，默认1
第六个参数： lineType **，**轮廓线类型，默认为LINE_8
第七个参数： hierarchy **，**轮廓层次结构，用于绘制轮廓的父子关系。默认为noArray()
第八个参数： maxLevel ， 表示绘制轮廓的最大层级数量**。**若maxLevel 为0，则只绘制指定的轮廓；若maxLevel 为1，则绘制轮廓极其所有嵌套轮廓；若maxLevel 为2，则绘制轮廓、所有嵌套轮廓、所有嵌套到嵌套的轮廓。
**第九个参数：**轮廓点的偏移量，默认为(0,0)
1.3 Canny 函数的简介以及定义
Canny函数主要用在OPENCV的边缘检测计算，边缘检测是OPENCV图像中非常重要的功能，它的功能如(上图一)。它能够高效地提取图像中的边缘信息，而Canny边缘检测是OPENCV里面最优秀和最精准的边缘检测方法。Canny的工作原理可以分为以下比较重要的步骤进行处理，分别是高斯滤波 ( 将图像转换为灰度图像，高斯滤波作用是平滑图像，让 Canny 检测的时候准确率更高 ) 、梯度强度和方向的计算 ( 计算图像中每个像素的强度和方向、强度表示像素点的边缘强度、梯度表示的是边缘方向这里的梯度需要用到 sobel 因子 ) 、非极大抑制 ( 经过 NMS 操作后，会除去一些不是边缘的像素点 ) 、双阈值处理 ( 给出一个阈值，若超过这个阈值的边缘则会被保留 ) 、边缘链接 ( 经过双阈值处理过后，强边缘则会留下来，弱边缘则会被抑制，并会把所有的强边缘全部连接起来 ) ，步骤如下图 2 。
下面是双阈值的处理的图解：当梯度值大于maxVal则认为是强边界；当minVal < 梯度值 < maxVal跟边界有连接的部分则保留，否则废弃；梯度值< minVal则废弃。另外需要注意的是高阈值与低阈值的比例最好是2:1 到3:1之间。
下面我们来看看Canny的函数定义：
void Canny(
InputArray image,
OutputArray edges,
double threshold1,
double threshold2,
int apertureSize = 3,
bool L2gradient = false
);第一个参数：image 输入的图像，这个图像一定要单通道灰度图
第二个参数：edges 输出的边缘图像，这个图像也必须是单通道黑白图
第三个参数： threshold1第一个滞后性阈值，低阈值，小于低阈值则认为是弱边缘，就是需要抛弃的边缘。
第四个参数： threshold2第二个滞后性阈值，高阈值，大于高阈值被认为强边缘，需要保留的边缘
第五个参数：apertureSize指的是Sobel算子大小，这个值默认为3，代表的是3*3的矩阵大小。
第六个参数：L2gradient是计算图像梯度幅度值的情况，这个值默认为False；若选择True，则使用更精确的L2范数进行计算
二、查找图形轮廓并画框
经过上一章节的讲解，我们对整个OPENCV提取轮廓的API有了一个大致的了解。本章节主要是讲解如何通过代码来实现OPENCV的轮廓检测提取然后进行画框。具体的如下图：
完成轮廓检测，需要做以上步骤。分别是imread读取图片(这个图片默认是3通道)、利用cvtColor 把8VU3的三通道图片转换成灰度图(8VU1)、调用Canny对灰度图像进行边缘检测、调用findContours去查找轮廓、循环轮廓数量然后调用drawContours进行画框操作。
代码
#include <opencv2/opencv.hpp>
#include <opencv2/dnn.hpp>
#include <opencv2/imgcodecs.hpp>
#include <opencv2/imgproc.hpp>
#include <iostream>
using namespace cv;
using namespace std;
int main()
{
Mat img = imread("shape.png");
Mat imgGray;
cvtColor(img, imgGray, COLOR_RGB2GRAY);
Mat imgCanny;
Canny(imgGray, imgCanny, 25, 75);
vector<vector<Point>> contours;
vector<Vec4i> hierarchy;
findContours(imgCanny, contours, hierarchy, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);
Mat drawing = Mat::zeros(imgCanny.size(), CV_8UC3);
for(int i = 0; i < contours.size(); i++)
{
Scalar color = Scalar(255, 255, 0);
drawContours(drawing, contours, i, color, 2, 8, hierarchy, 0, Point());
}
imwrite("contour,jpg",drawing);
return 0;
}2.1. 读取原图
Mat img = imread("shape.png");- 读取当前目录下的
shape.png，默认以BGR 三通道彩色格式加载。
2.2. 灰度化转换
Mat imgGray;
cvtColor(img, imgGray, COLOR_RGB2GRAY);- 功能：将彩色图转为单通道灰度图，Canny 只支持单通道输入。
2.3. Canny 边缘检测
Mat imgCanny;
Canny(imgGray, imgCanny, 25, 75);- 功能：对灰度图做边缘检测，输出单通道二值边缘图（白色为边缘，黑色为背景）。
- 参数说明：低阈值 25，高阈值 75，高低阈值比例为 3:1，大于75表示的是强边缘需要保存下来的，小于25是弱边缘需要忽略的，25-75之间的边缘则会用算法进行候选；默认使用 3×3 Sobel 算子。
2.4. 轮廓检测
vector<vector<Point>> contours;
vector<Vec4i> hierarchy;
findContours(imgCanny, contours, hierarchy, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);处理完边缘后，就findContours 可以通过findContours 去查找所有图像的轮廓了，由于我们检测的图像没有内嵌的形状，所以我们选择RETR_EXTERNAL 的模式只检测外轮廓，Method 的方法则选择CHAIN_APPROX_SIMPLE存储所有的轮廓点。注意：contours一般是用vector<vector<point>>表示，hierarchy通常用vector<Vec4i>表示.
2.5. 轮廓绘制与保存
1. 创建绘制画布
Mat drawing = Mat::zeros(imgCanny.size(), CV_8UC3);- 创建一张和原图尺寸一致的纯黑三通道图像，作为绘制轮廓的背景板，方便突出显示轮廓。
2. 循环绘制所有轮廓
for(int i = 0; i < contours.size(); i++)
{
Scalar color = Scalar(255, 255, 0);
drawContours(drawing, contours, i, color, 2, 8, hierarchy, 0, Point());
}- 遍历每一条检测到的轮廓，逐个绘制到黑色画布上。
- 参数说明：
- 颜色
Scalar(255,255,0)：BGR 格式下为青色（蓝 + 绿满值，红为 0）。 - 线宽
2：轮廓线条粗细为 2 像素。 - 线型
8：8 连通线型，线条更平滑。 maxLevel=0：只绘制当前层级轮廓，配合RETR_EXTERNAL使用时无额外效果。
- 颜色
3. 保存结果图
imwrite("contour,jpg",drawing);