1. 寻找轮廓

1.1 相关API

说明：

第一个参数：输入的图像是经过边缘提取处理后的二值化图像；conturs向量是用来存储轮廓点的，可以这样理解：一个轮廓的所有点用一个小容器vector，所有小容器再用一个大容器vector装起来，所以像下面这样定义第二个参数：vector<vector<Point>> contours；，相当于是一个二维向量吧，如下： 第三个参数是轮廓的索引值；第四个参数：轮廓检索模式，有四种，如下：

第一种：cv::RETR_EXTERNAL（仅检索最外层的轮廓） 第二种：cv::RETR_LIST（检索所有轮廓并将它们放入列表中）

第三种：cv::RETR_CCOMP（检索所有轮廓，将它们组织为两级层次结构，其中顶层边界是组件的外部边界，第二级边界是孔的边界） 第四种：cv::RETR_CCOMP（检索所有轮廓并建立树形的嵌套层次结构）

5.第六个参数是轮廓逼近算法，有以下四种：

CHAIN_APPROX_NONE CHAIN_APPROX_SIMPLE CHAIN_APPROX_TC89_L1 CHAIN_APPROX_TC89_KCOS

1.2 步骤

1.图像灰度化处理 2.滤波去噪 3.二值化 4.形态学操作 5.寻找轮廓 6.绘制轮廓

1.3 实验代码

主函数：

int main() { img = imread("E:/coin.jpg"); cvtColor(img, img_gray, CV_BGR2GRAY);//图像灰度化 medianBlur(img_gray, img_gray, 3);//进行中值滤波，去除一些噪声点 createTrackbar("Threshold", str_OutputWindowTitle, &threshold_value, threshold_max, Find_Contours); Find_Contours(0, 0); waitKey(0); return 0; }

---

寻找轮廓函数：

void Find_Contours(int, void*) { //二值化 threshold(img_gray, img_bin, threshold_value, threshold_max, THRESH_BINARY); //根据实际二值化的效果进行相应的形态学操作 Mat element = getStructuringElement(MORPH_RECT, Size(15, 15)); morphologyEx(img_bin, img_bin, MORPH_CLOSE, element);//闭操作 imshow("bin+morphologyEx", img_bin); //轮廓发现，轮廓绘制 vector<vector<Point>> contours;//双层，意思是有很多个轮廓，每个轮廓有很多个点 vector<Vec4i> hierachy;//4个元素分别存储该轮廓的【后一个轮廓、前一个轮廓、父轮廓、内嵌轮廓】的索引编号 findContours(img_bin, contours, hierachy, RETR_TREE, CHAIN_APPROX_SIMPLE, Point(0, 0)); dst = Mat::zeros(img.size(), CV_8UC3);//新建一个图像用来绘制寻找到的轮廓 //绘制所有轮廓像素点 for (auto i = 0; i < contours.size(); ++i) { Scalar color = Scalar(rng.uniform(0, 255), rng.uniform(0, 255), rng.uniform(0, 255));//随机颜色 drawContours(dst, contours, i, color, 1, 8, hierachy, 0, Point(0, 0));//重新绘制轮廓 } imshow(str_OutputWindowTitle, dst); }

1.4 运行结果

适当调整阈值使其达到最好的效果： 根据提取到的轮廓点绘制找到的轮廓：

---

2. 凸包

2.1 凸包的原理

是一个计算几何（图形学）中的概念，凸包是一个过某些点作一个多边形，使这个多边形能把所有点都“包”起来。当这个多边形是凸多边形的时候，我们就叫它“凸包”。

举个形象的栗子：木板上定了十几个钉子，把一根橡皮筋撑大，套住所有钉子，然后让橡皮筋自然收缩，并繃紧，则橡皮筋形成的闭曲线就是凸包。

更多关于“凸包”的理论知识参考下面的几篇文章：

1.什么是“凸包”

2.凸包问题——概述

3.数学：凸包算法详解

2.2 相关API

2.3 步骤

1.寻找轮廓 2.发现凸包 3.绘制凸包

2.4 实验代码

void Get_ConvexHull(int, void*) { //二值化 threshold(img_gray, img_bin, threshold_value, threshold_max, THRESH_BINARY); Mat element = getStructuringElement(MORPH_RECT, Size(9, 9)); //根据实际二值化的效果进行相应的形态学操作 morphologyEx(img_bin, img_bin, MORPH_CLOSE, element); imshow("bin+morphologyEx", img_bin); //轮廓发现 vector<vector<Point>> contours; findContours(img_bin, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);//发现轮廓 //寻找凸包 vector<vector<Point>> convex(contours.size()); for (size_t i = 0; i < contours.size(); i++) { convexHull(contours[i], convex[i]); } //绘制凸包 dst = Mat::zeros(img.size(), CV_8UC3); for (size_t j = 0; j < contours.size(); j++) { Scalar color = Scalar(rng.uniform(0, 255), rng.uniform(0, 255), rng.uniform(0, 255)); //drawContours(dst, contours, j, color);//绘制轮廓，可以对比凸包 drawContours(dst, convex, j, color);//绘制凸包 } imshow(str_OutputWindowTitle, dst); }

2.5 运行结果

第一组：

---

对照组1：

---

对照组2：

---

3. 在轮廓外绘制矩形和圆

3.1 相关API

API功能：使用多边形简化轮廓；

注：epsilon参数的意义是，这是原始多边形和最终近似多边形之间允许的最大偏差，取值越大得到的多边形越简单。

为了验证一下，取下图其中的一个轮廓做测试，直接执行findContours之后，该轮廓的总点数为85，如下图： 当执行approxPolyDP()之后，epsilon值取3的时候，简化后的轮廓有9个点，绘制出来的多边形是9个边，如下图： epsilon值取7的时候，简化后的轮廓有6个点，绘制出来的多边形是6个边，如下图：

---

API功能：获取简化后多边形轮廓的外接矩形；

---

API功能：获取简化后多边形轮廓外接圆的“圆心坐标”和“半径”，注意数据类型；

---

API功能：获取简化后多边形轮廓的“最适合”椭圆；

---

API功能：获取简化后多边形轮廓的“最适合”（最小的）的矩形；

3.2 步骤

1.灰度化、滤波 2.二值化、相关形态学操作 3.寻找轮廓 4.轮廓简化 5.依次获取轮廓外接矩形、外接圆、最小矩形、最小椭圆； 6.绘制需要的形状

3.3 实验代码

void Get_PolyRrc_Cir(int, void*) { //二值化 threshold(img_gray, img_bin, threshold_value, threshold_max, THRESH_BINARY_INV); //根据实际二值化的效果进行相应的形态学操作 Mat element = getStructuringElement(MORPH_RECT, Size(15, 15)); morphologyEx(img_bin, img_bin, MORPH_CLOSE, element); imshow("bin+morphologyEx", img_bin); //寻找轮廓 vector<vector<Point>>controus; findContours(img_bin, controus, RETR_CCOMP, CHAIN_APPROX_SIMPLE); vector<vector<Point>> controus_ploy(controus.size());//简化后的多边形轮廓集合 vector<Rect> poly_rects(controus.size());//轮廓外接矩形 vector<Point2f>circles(controus.size());//轮廓外接圆圆心坐标 vector<float> radius(controus.size());//轮廓外接圆半径 vector<RotatedRect>min_ellipse(controus.size());//轮廓最终形成的最小椭圆 vector<RotatedRect>min_Rects(controus.size());//轮廓最终形成的最小的旋转矩形 Point2f All_Rec_Point[4];//存储旋转矩形的四个顶点 for (size_t i = 0; i < controus.size(); i++) { //轮廓简化 approxPolyDP(Mat(controus[i]), controus_ploy[i], 7, true); poly_rects[i] = boundingRect(controus_ploy[i]);//获取轮廓周围最小矩形 minEnclosingCircle(controus_ploy[i], circles[i], radius[i]);//获取轮廓周围最小圆 if (controus_ploy[i].size() > 5) { min_ellipse[i] = fitEllipse(controus_ploy[i]);//得到一个最小椭圆，若contours_ploy[i]的点数size小于5会报错 min_Rects[i] = minAreaRect(controus_ploy[i]);//得到一个旋转的矩形 } } //绘制外接矩形、圆、椭圆和旋转矩形 img.copyTo(dst); for (size_t j = 0; j < controus.size(); j++) { if (controus_ploy[j].size() > 4) { //contours_ploy[i]的点数size小于5的，不处理 Scalar color = Scalar(rng.uniform(0, 255), rng.uniform(0, 255), rng.uniform(0, 255)); rectangle(dst, poly_rects[j], color, 2);//画矩形 circle(dst, circles[j], radius[j], color, 2);//画圆 ellipse(dst, min_ellipse[j], color, 2);//画椭圆 min_Rects[j].points(All_Rec_Point); //Rect min_Rec(All_Rec_Point[0], All_Rec_Point[2]);//只通过两点画出来的圆不是旋转的，哈哈 //rectangle(dst, min_Rec, color, 2); for (int r = 0; r < 4; r++) { line(dst, All_Rec_Point[r], All_Rec_Point[(r + 1) % 4], color, 2);//通过获得旋转矩形的四个顶点，画旋转矩形 } } } imshow(str_OutputWindowTitle, dst); }

3.4 运行结果

---

参考文章： 1.https://blog.csdn.net/weixin_41695564/article/details/80085012 2.https://blog.csdn.net/qq_26907755/article/details/81740206 3.https://www.cnblogs.com/little-monkey/p/7429381.html