C/C++的OpenCV 进行轮廓提取

使用 C/C++的OpenCV 进行轮廓提取

轮廓可以简单地描述为连接所有具有相同颜色或强度的连续点（沿着边界）的曲线。轮廓是形状分析以及对象检测和识别的有用工具。OpenCV 提供了非常方便的函数来查找和绘制轮廓。

本文将指导您完成使用 C++ 和 OpenCV 库从图像中提取轮廓的过程。

预备知识

在开始之前，请确保您已经安装了 OpenCV，并且您的 C++ 开发环境已经配置好可以链接 OpenCV 库。

通常，我们需要包含以下头文件：

#include <opencv2/opencv.hpp> // 包含所有核心和contrib模块
#include <iostream>
#include <vector> // 用于存储轮廓

为方便起见，我们也会使用 cv 和 std 命名空间：

using namespace cv;
using namespace std;

轮廓提取的步骤

轮廓提取通常涉及以下步骤：

1. 加载图像：读取源图像。
2. 预处理：
   • 转换为灰度图：轮廓检测通常在灰度图像上进行。
   • 高斯模糊 (可选)：减少噪声，有助于获得更清晰的轮廓。
   • 二值化：将灰度图像转换为二值图像（黑白图像）。这是 findContours 函数所必需的。常用的方法有简单阈值处理、自适应阈值处理或 Canny 边缘检测。
3. 查找轮廓：使用 cv::findContours 函数。
4. 绘制轮廓 (可选)：使用 cv::drawContours 函数在图像上可视化找到的轮廓。

1. 加载图像和预处理

首先，我们加载图像并进行必要的预处理，将其转换为二值图像。

int main(int argc, char** argv) {// 1. 加载图像// const char* filename = argc >= 2 ? argv[1] : "shapes.png"; // 从命令行参数或默认读取Mat src = imread("your_image.png", IMREAD_COLOR); // 请替换为您的图片路径if (src.empty()) {cout << "无法加载图像: " << "your_image.png" << endl;return -1;}imshow("Original Image", src);// 2. 转换为灰度图Mat gray;cvtColor(src, gray, COLOR_BGR2GRAY);imshow("Grayscale Image", gray);// 3. （可选）高斯模糊以减少噪声Mat blurred;GaussianBlur(gray, blurred, Size(5, 5), 0); // 使用5x5的核imshow("Blurred Image", blurred);// 4. 二值化图像// 方法一：使用阈值处理Mat binary_thresh;// threshold(blurred, binary_thresh, 100, 255, THRESH_BINARY_INV); // 根据图像调整阈值，THRESH_BINARY_INV使物体为白色，背景为黑色// 或者使用Otsu's方法自动确定阈值threshold(blurred, binary_thresh, 0, 255, THRESH_BINARY_INV | THRESH_OTSU);imshow("Threshold Binary Image", binary_thresh);// 方法二：使用Canny边缘检测（Canny的输出已经是二值图像）Mat canny_output;Canny(blurred, canny_output, 50, 150); // 调整低阈值和高阈值imshow("Canny Edges", canny_output);// 为 findContours 选择一个二值图像作为输入// 通常，如果物体是实心的，阈值图像效果好；如果只关心边缘，Canny图也可以。// 注意：findContours会修改输入的二值图像，所以如果之后还需要它，请传递一个副本。Mat input_for_contours = binary_thresh.clone(); // 或者 canny_output.clone();

重要提示：cv::findContours 函数会修改输入的二值图像。如果您希望保留原始的二值图像，请传递它的一个副本（例如，使用 .clone()）。

2. 查找轮廓 (cv::findContours)

一旦有了二值图像，就可以使用 cv::findContours 函数来查找轮廓。

cv::findContours 函数原型：

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

• image: 输入的单通道8位二值图像。此图像会被函数修改。
• contours: 检测到的轮廓。每个轮廓都是一个 std::vector<cv::Point>。因此，contours 是一个 std::vector<std::vector<cv::Point>>。
• hierarchy: 可选的输出向量 ( std::vector<cv::Vec4i> )，包含图像的拓扑结构。每个元素 hierarchy[i] 对应于 contours[i]，包含4个索引：[Next, Previous, First_Child, Parent]。
• mode: 轮廓检索模式。
  • RETR_EXTERNAL: 只检索最外层的轮廓。
  • RETR_LIST: 检索所有轮廓，但不建立任何层次关系（所有轮廓都在同一级别）。
  • RETR_CCOMP: 检索所有轮廓并将它们组织成两级层次结构：外部边界和内部孔洞边界。
  • RETR_TREE: 检索所有轮廓并重建完整的层次结构。
• method: 轮廓逼近方法。
  • CHAIN_APPROX_NONE: 存储轮廓上的所有点。
  • CHAIN_APPROX_SIMPLE: 压缩水平、垂直和对角线段，只保留它们的端点。例如，矩形的轮廓将只由4个点组成。
  • CHAIN_APPROX_TC89_L1, CHAIN_APPROX_TC89_KCOS: 应用Teh-Chin链逼近算法中的一种。
• offset: 可选的轮廓点偏移量。如果您的轮廓是从图像的ROI中提取的，然后希望在整个图像上下文中分析它们，这将非常有用。

    // ... 接上文 input_for_contoursvector<vector<Point>> contours; // 用于存储所有轮廓vector<Vec4i> hierarchy;       // 用于存储轮廓的层级信息// 查找轮廓findContours(input_for_contours, contours, hierarchy, RETR_TREE, CHAIN_APPROX_SIMPLE);// 使用 RETR_EXTERNAL 如果你只想找最外层轮廓// findContours(input_for_contours, contours, hierarchy, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);cout << "找到的轮廓数量: " << contours.size() << endl;

3. 理解轮廓层级 (hierarchy)

hierarchy 向量中的每个元素 Vec4i 对应于 contours 中的一个轮廓，并存储了4个整数：
hierarchy[i] = [Next_contour_idx, Previous_contour_idx, First_child_contour_idx, Parent_contour_idx]

• Next_contour_idx: 与当前轮廓在同一层级上的下一个轮廓的索引。
• Previous_contour_idx: 与当前轮廓在同一层级上的上一个轮廓的索引。
• First_child_contour_idx: 当前轮廓的第一个子轮廓的索引。
• Parent_contour_idx: 当前轮廓的父轮廓的索引。

如果对应的轮廓不存在，则索引值为 -1。

例如，使用 RETR_TREE 可以帮助您理解嵌套的轮廓（例如，一个形状内部的孔洞）。

4. 绘制轮廓 (cv::drawContours)

找到轮廓后，通常希望将它们可视化。cv::drawContours 函数用于此目的。

cv::drawContours 函数原型：

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() );

• image: 要在其上绘制轮廓的目标图像（通常是原始彩色图像的副本或新的空白图像）。
• contours: 所有找到的轮廓，从 findContours 获得。
• contourIdx: 指示要绘制哪个轮廓的参数。如果为负数（例如 -1），则绘制所有轮廓。
• color: 轮廓的颜色。
• thickness: 轮廓线的粗细。如果为负数或 FILLED，则轮廓内部被填充。
• lineType: 线的连接类型 (例如 LINE_8, LINE_AA 抗锯齿线)。
• hierarchy: 可选的层级信息，如果只想绘制特定层级的轮廓。
• maxLevel: 仅当提供了 hierarchy 时才考虑此参数。0 表示只绘制指定的轮廓，1 表示绘制指定轮廓及其所有子轮廓，依此类推。
• offset: 可选的轮廓点偏移量。

    // ... 接上文 contours 和 hierarchy// 创建一个空白图像用于绘制轮廓，或在原图副本上绘制Mat drawing = Mat::zeros(input_for_contours.size(), CV_8UC3); // 创建一个黑色的画布// 或者在原图上绘制// Mat drawing = src.clone();for (size_t i = 0; i < contours.size(); i++) {Scalar color = Scalar(rand() % 256, rand() % 256, rand() % 256); // 随机颜色// 绘制单个轮廓// drawContours(drawing, contours, static_cast<int>(i), color, 2, LINE_8, hierarchy, 0);// 或者绘制所有轮廓}// 绘制所有轮廓，使用一种颜色drawContours(drawing, contours, -1, Scalar(0, 255, 0), 2, LINE_8, hierarchy, 100);imshow("Contours", drawing);

5. 轮廓分析 (简介)

找到轮廓后，可以进行各种分析：

• 计算轮廓面积: double area = contourArea(contours[i]);
• 计算轮廓周长: double perimeter = arcLength(contours[i], true); (true表示轮廓是闭合的)
• 轮廓近似: approxPolyDP(contours[i], approx_curve, epsilon, true); 将轮廓逼近为具有较少顶点的多边形。
• 获取边界框: Rect bounding_rect = boundingRect(contours[i]);
• 获取最小外接圆: Point2f center; float radius; minEnclosingCircle(contours[i], center, radius);
• 形状匹配, 凸包, 几何矩 等。

这些分析可以用于过滤轮廓（例如，只保留面积大于某个阈值的轮廓）或识别特定形状。

完整示例代码

#include <opencv2/opencv.hpp>
#include <iostream>
#include <vector>using namespace cv;
using namespace std;int main(int argc, char** argv) {// 1. 加载图像const char* filename = "your_image.png"; // 请替换为您的图片路径Mat src = imread(filename, IMREAD_COLOR);if (src.empty()) {cout << "无法加载图像: " << filename << endl;return -1;}imshow("Original Image", src);// 2. 转换为灰度图Mat gray;cvtColor(src, gray, COLOR_BGR2GRAY);// 3. 高斯模糊Mat blurred;GaussianBlur(gray, blurred, Size(5, 5), 0);// 4. 二值化 (Otsu's 方法)Mat binary_thresh;threshold(blurred, binary_thresh, 0, 255, THRESH_BINARY | THRESH_OTSU); // 物体为白色，背景黑色// 如果findContours需要白色物体在黑色背景上，请确保二值化正确// 如果物体是黑色的，背景是白色的，可能需要 THRESH_BINARY_INV// 或者确保Canny的输出是白色边缘在黑色背景上imshow("Binary Image for Contours", binary_thresh);// --- 查找轮廓 ---// 注意：findContours会修改输入的二值图像binary_thresh，所以如果之后还需要它，请使用它的副本Mat binary_copy = binary_thresh.clone();vector<vector<Point>> contours;vector<Vec4i> hierarchy;// RETR_EXTERNAL 只查找最外层轮廓// RETR_TREE 查找所有轮廓并建立完整的层级结构findContours(binary_copy, contours, hierarchy, RETR_TREE, CHAIN_APPROX_SIMPLE);cout << "找到的轮廓数量: " << contours.size() << endl;// --- 绘制轮廓 ---// 创建一个彩色图像用于绘制轮廓 (在原始图像的副本上绘制)Mat drawing = src.clone();// 或者在一个新的黑色画布上绘制// Mat drawing = Mat::zeros(binary_thresh.size(), CV_8UC3);for (size_t i = 0; i < contours.size(); i++) {Scalar color;// 根据层级给内外轮廓不同颜色 (简单示例)if (hierarchy[i][3] == -1) { // 最外层轮廓 (没有父轮廓)color = Scalar(0, 0, 255); // 红色} else {color = Scalar(0, 255, 0); // 绿色 (内部轮廓)}drawContours(drawing, contours, static_cast<int>(i), color, 2, LINE_8, hierarchy, 0);}// 或者一次性绘制所有轮廓，用统一颜色// drawContours(drawing, contours, -1, Scalar(255,0,0), 2);imshow("Contours", drawing);// --- 轮廓分析示例：过滤小轮廓并绘制其边界框 ---Mat drawing_filtered = src.clone();for (size_t i = 0; i < contours.size(); i++) {double area = contourArea(contours[i]);if (area > 100) { // 过滤掉面积小于100的轮廓Scalar color = Scalar(rand() % 256, rand() % 256, rand() % 256);drawContours(drawing_filtered, contours, static_cast<int>(i), color, 2);Rect bounding_rect = boundingRect(contours[i]);rectangle(drawing_filtered, bounding_rect.tl(), bounding_rect.br(), Scalar(0,255,255), 2);}}imshow("Filtered Contours with Bounding Boxes", drawing_filtered);cout << "按任意键退出..." << endl;waitKey(0);destroyAllWindows();return 0;
}

编译与运行

假设您已正确安装 OpenCV，可以使用 g++ 编译上述代码：

g++ your_code_file.cpp -o contour_extraction $(pkg-config --cflags --libs opencv4)
./contour_extraction your_image.png

(如果 pkg-config --libs opencv4 不起作用，请根据您的 OpenCV 版本和安装方式调整链接器标志，例如 opencv 或特定模块如 opencv_core opencv_imgproc opencv_highgui opencv_imgcodecs)。确保替换 "your_image.png" 为您要测试的图像路径。

总结

轮廓提取是计算机视觉中的一项基础且强大的技术。通过结合适当的预处理步骤和 cv::findContours 函数，您可以有效地从图像中分离出感兴趣的对象或区域的边界。cv::drawContours 使得可视化这些轮廓变得简单。此外，OpenCV 还提供了丰富的函数来分析这些轮廓的属性，为更高级的图像分析任务（如形状识别、对象跟踪等）奠定了基础。

```markdown
# 使用 C++/OpenCV 进行轮廓提取轮廓可以简单地描述为连接所有具有相同颜色或强度的连续点（沿着边界）的曲线。轮廓是形状分析以及对象检测和识别的有用工具。OpenCV 提供了非常方便的函数来查找和绘制轮廓。本文将指导您完成使用 C++ 和 OpenCV 库从图像中提取轮廓的过程。## 预备知识在开始之前，请确保您已经安装了 OpenCV，并且您的 C++ 开发环境已经配置好可以链接 OpenCV 库。通常，我们需要包含以下头文件：```cpp
#include <opencv2/opencv.hpp> // 包含所有核心和contrib模块
#include <iostream>
#include <vector> // 用于存储轮廓

为方便起见，我们也会使用 cv 和 std 命名空间：

using namespace cv;
using namespace std;

轮廓提取的步骤

轮廓提取通常涉及以下步骤：

1. 加载图像：读取源图像。
2. 预处理：
   • 转换为灰度图：轮廓检测通常在灰度图像上进行。
   • 高斯模糊 (可选)：减少噪声，有助于获得更清晰的轮廓。
   • 二值化：将灰度图像转换为二值图像（黑白图像）。这是 findContours 函数所必需的。常用的方法有简单阈值处理、自适应阈值处理或 Canny 边缘检测。
3. 查找轮廓：使用 cv::findContours 函数。
4. 绘制轮廓 (可选)：使用 cv::drawContours 函数在图像上可视化找到的轮廓。

1. 加载图像和预处理

首先，我们加载图像并进行必要的预处理，将其转换为二值图像。

int main(int argc, char** argv) {// 1. 加载图像// const char* filename = argc >= 2 ? argv[1] : "shapes.png"; // 从命令行参数或默认读取Mat src = imread("your_image.png", IMREAD_COLOR); // 请替换为您的图片路径if (src.empty()) {cout << "无法加载图像: " << "your_image.png" << endl;return -1;}imshow("Original Image", src);// 2. 转换为灰度图Mat gray;cvtColor(src, gray, COLOR_BGR2GRAY);imshow("Grayscale Image", gray);// 3. （可选）高斯模糊以减少噪声Mat blurred;GaussianBlur(gray, blurred, Size(5, 5), 0); // 使用5x5的核imshow("Blurred Image", blurred);// 4. 二值化图像// 方法一：使用阈值处理Mat binary_thresh;// threshold(blurred, binary_thresh, 100, 255, THRESH_BINARY_INV); // 根据图像调整阈值，THRESH_BINARY_INV使物体为白色，背景为黑色// 或者使用Otsu's方法自动确定阈值threshold(blurred, binary_thresh, 0, 255, THRESH_BINARY_INV | THRESH_OTSU);imshow("Threshold Binary Image", binary_thresh);// 方法二：使用Canny边缘检测（Canny的输出已经是二值图像）Mat canny_output;Canny(blurred, canny_output, 50, 150); // 调整低阈值和高阈值imshow("Canny Edges", canny_output);// 为 findContours 选择一个二值图像作为输入// 通常，如果物体是实心的，阈值图像效果好；如果只关心边缘，Canny图也可以。// 注意：findContours会修改输入的二值图像，所以如果之后还需要它，请传递一个副本。Mat input_for_contours = binary_thresh.clone(); // 或者 canny_output.clone();

重要提示：cv::findContours 函数会修改输入的二值图像。如果您希望保留原始的二值图像，请传递它的一个副本（例如，使用 .clone()）。

2. 查找轮廓 (cv::findContours)

一旦有了二值图像，就可以使用 cv::findContours 函数来查找轮廓。

cv::findContours 函数原型：

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

• image: 输入的单通道8位二值图像。此图像会被函数修改。
• contours: 检测到的轮廓。每个轮廓都是一个 std::vector<cv::Point>。因此，contours 是一个 std::vector<std::vector<cv::Point>>。
• hierarchy: 可选的输出向量 ( std::vector<cv::Vec4i> )，包含图像的拓扑结构。每个元素 hierarchy[i] 对应于 contours[i]，包含4个索引：[Next, Previous, First_Child, Parent]。
• mode: 轮廓检索模式。
  • RETR_EXTERNAL: 只检索最外层的轮廓。
  • RETR_LIST: 检索所有轮廓，但不建立任何层次关系（所有轮廓都在同一级别）。
  • RETR_CCOMP: 检索所有轮廓并将它们组织成两级层次结构：外部边界和内部孔洞边界。
  • RETR_TREE: 检索所有轮廓并重建完整的层次结构。
• method: 轮廓逼近方法。
  • CHAIN_APPROX_NONE: 存储轮廓上的所有点。
  • CHAIN_APPROX_SIMPLE: 压缩水平、垂直和对角线段，只保留它们的端点。例如，矩形的轮廓将只由4个点组成。
  • CHAIN_APPROX_TC89_L1, CHAIN_APPROX_TC89_KCOS: 应用Teh-Chin链逼近算法中的一种。
• offset: 可选的轮廓点偏移量。如果您的轮廓是从图像的ROI中提取的，然后希望在整个图像上下文中分析它们，这将非常有用。

    // ... 接上文 input_for_contoursvector<vector<Point>> contours; // 用于存储所有轮廓vector<Vec4i> hierarchy;       // 用于存储轮廓的层级信息// 查找轮廓findContours(input_for_contours, contours, hierarchy, RETR_TREE, CHAIN_APPROX_SIMPLE);// 使用 RETR_EXTERNAL 如果你只想找最外层轮廓// findContours(input_for_contours, contours, hierarchy, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);cout << "找到的轮廓数量: " << contours.size() << endl;

3. 理解轮廓层级 (hierarchy)

hierarchy 向量中的每个元素 Vec4i 对应于 contours 中的一个轮廓，并存储了4个整数：
hierarchy[i] = [Next_contour_idx, Previous_contour_idx, First_child_contour_idx, Parent_contour_idx]

• Next_contour_idx: 与当前轮廓在同一层级上的下一个轮廓的索引。
• Previous_contour_idx: 与当前轮廓在同一层级上的上一个轮廓的索引。
• First_child_contour_idx: 当前轮廓的第一个子轮廓的索引。
• Parent_contour_idx: 当前轮廓的父轮廓的索引。

如果对应的轮廓不存在，则索引值为 -1。

例如，使用 RETR_TREE 可以帮助您理解嵌套的轮廓（例如，一个形状内部的孔洞）。

4. 绘制轮廓 (cv::drawContours)

找到轮廓后，通常希望将它们可视化。cv::drawContours 函数用于此目的。

cv::drawContours 函数原型：

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() );

• image: 要在其上绘制轮廓的目标图像（通常是原始彩色图像的副本或新的空白图像）。
• contours: 所有找到的轮廓，从 findContours 获得。
• contourIdx: 指示要绘制哪个轮廓的参数。如果为负数（例如 -1），则绘制所有轮廓。
• color: 轮廓的颜色。
• thickness: 轮廓线的粗细。如果为负数或 FILLED，则轮廓内部被填充。
• lineType: 线的连接类型 (例如 LINE_8, LINE_AA 抗锯齿线)。
• hierarchy: 可选的层级信息，如果只想绘制特定层级的轮廓。
• maxLevel: 仅当提供了 hierarchy 时才考虑此参数。0 表示只绘制指定的轮廓，1 表示绘制指定轮廓及其所有子轮廓，依此类推。
• offset: 可选的轮廓点偏移量。

    // ... 接上文 contours 和 hierarchy// 创建一个空白图像用于绘制轮廓，或在原图副本上绘制Mat drawing = Mat::zeros(input_for_contours.size(), CV_8UC3); // 创建一个黑色的画布// 或者在原图上绘制// Mat drawing = src.clone();for (size_t i = 0; i < contours.size(); i++) {Scalar color = Scalar(rand() % 256, rand() % 256, rand() % 256); // 随机颜色// 绘制单个轮廓// drawContours(drawing, contours, static_cast<int>(i), color, 2, LINE_8, hierarchy, 0);// 或者绘制所有轮廓}// 绘制所有轮廓，使用一种颜色drawContours(drawing, contours, -1, Scalar(0, 255, 0), 2, LINE_8, hierarchy, 100);imshow("Contours", drawing);

5. 轮廓分析 (简介)

找到轮廓后，可以进行各种分析：

• 计算轮廓面积: double area = contourArea(contours[i]);
• 计算轮廓周长: double perimeter = arcLength(contours[i], true); (true表示轮廓是闭合的)
• 轮廓近似: approxPolyDP(contours[i], approx_curve, epsilon, true); 将轮廓逼近为具有较少顶点的多边形。
• 获取边界框: Rect bounding_rect = boundingRect(contours[i]);
• 获取最小外接圆: Point2f center; float radius; minEnclosingCircle(contours[i], center, radius);
• 形状匹配, 凸包, 几何矩 等。

这些分析可以用于过滤轮廓（例如，只保留面积大于某个阈值的轮廓）或识别特定形状。

完整示例代码

#include <opencv2/opencv.hpp>
#include <iostream>
#include <vector>using namespace cv;
using namespace std;int main(int argc, char** argv) {// 1. 加载图像const char* filename = "your_image.png"; // 请替换为您的图片路径Mat src = imread(filename, IMREAD_COLOR);if (src.empty()) {cout << "无法加载图像: " << filename << endl;return -1;}imshow("Original Image", src);// 2. 转换为灰度图Mat gray;cvtColor(src, gray, COLOR_BGR2GRAY);// 3. 高斯模糊Mat blurred;GaussianBlur(gray, blurred, Size(5, 5), 0);// 4. 二值化 (Otsu's 方法)Mat binary_thresh;threshold(blurred, binary_thresh, 0, 255, THRESH_BINARY | THRESH_OTSU); // 物体为白色，背景黑色// 如果findContours需要白色物体在黑色背景上，请确保二值化正确// 如果物体是黑色的，背景是白色的，可能需要 THRESH_BINARY_INV// 或者确保Canny的输出是白色边缘在黑色背景上imshow("Binary Image for Contours", binary_thresh);// --- 查找轮廓 ---// 注意：findContours会修改输入的二值图像binary_thresh，所以如果之后还需要它，请使用它的副本Mat binary_copy = binary_thresh.clone();vector<vector<Point>> contours;vector<Vec4i> hierarchy;// RETR_EXTERNAL 只查找最外层轮廓// RETR_TREE 查找所有轮廓并建立完整的层级结构findContours(binary_copy, contours, hierarchy, RETR_TREE, CHAIN_APPROX_SIMPLE);cout << "找到的轮廓数量: " << contours.size() << endl;// --- 绘制轮廓 ---// 创建一个彩色图像用于绘制轮廓 (在原始图像的副本上绘制)Mat drawing = src.clone();// 或者在一个新的黑色画布上绘制// Mat drawing = Mat::zeros(binary_thresh.size(), CV_8UC3);for (size_t i = 0; i < contours.size(); i++) {Scalar color;// 根据层级给内外轮廓不同颜色 (简单示例)if (hierarchy[i][3] == -1) { // 最外层轮廓 (没有父轮廓)color = Scalar(0, 0, 255); // 红色} else {color = Scalar(0, 255, 0); // 绿色 (内部轮廓)}drawContours(drawing, contours, static_cast<int>(i), color, 2, LINE_8, hierarchy, 0);}// 或者一次性绘制所有轮廓，用统一颜色// drawContours(drawing, contours, -1, Scalar(255,0,0), 2);imshow("Contours", drawing);// --- 轮廓分析示例：过滤小轮廓并绘制其边界框 ---Mat drawing_filtered = src.clone();for (size_t i = 0; i < contours.size(); i++) {double area = contourArea(contours[i]);if (area > 100) { // 过滤掉面积小于100的轮廓Scalar color = Scalar(rand() % 256, rand() % 256, rand() % 256);drawContours(drawing_filtered, contours, static_cast<int>(i), color, 2);Rect bounding_rect = boundingRect(contours[i]);rectangle(drawing_filtered, bounding_rect.tl(), bounding_rect.br(), Scalar(0,255,255), 2);}}imshow("Filtered Contours with Bounding Boxes", drawing_filtered);cout << "按任意键退出..." << endl;waitKey(0);destroyAllWindows();return 0;
}

编译与运行

假设您已正确安装 OpenCV，可以使用 g++ 编译上述代码：

g++ your_code_file.cpp -o contour_extraction $(pkg-config --cflags --libs opencv4)
./contour_extraction your_image.png

(如果 pkg-config --libs opencv4 不起作用，请根据您的 OpenCV 版本和安装方式调整链接器标志，例如 opencv 或特定模块如 opencv_core opencv_imgproc opencv_highgui opencv_imgcodecs)。确保替换 "your_image.png" 为您要测试的图像路径。

总结

轮廓提取是计算机视觉中的一项基础且强大的技术。通过结合适当的预处理步骤和 cv::findContours 函数，您可以有效地从图像中分离出感兴趣的对象或区域的边界。cv::drawContours 使得可视化这些轮廓变得简单。此外，OpenCV 还提供了丰富的函数来分析这些轮廓的属性，为更高级的图像分析任务（如形状识别、对象跟踪等）奠定了基础。