OpenCV轮廓相关操作API （C++）

      在OpenCV中，轮廓（contours）是图像处理中的一个重要概念，通常用于形状分析、物体检测等任务。OpenCV提供了多种与轮廓相关的API，可以在C++中使用。

一.常用的与轮廓相关的操作及其对应的API函数

1.查找轮廓

findContours 函数用于在二值图像中查找轮廓。

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

image: 输入的二值图像（通常为灰度图并经过阈值处理）。

contours: 检测到的轮廓，以std::vector<std::vector<Point>>形式存储。

hierarchy: 轮廓的拓扑信息，以std::vector<Vec4i>形式存储。

mode: 轮廓检索模式（如RETR_EXTERNAL, RETR_LIST, RETR_CCOMP, RETR_TREE）。

method: 轮廓逼近方法（如CHAIN_APPROX_SIMPLE, CHAIN_APPROX_TC89_L1, CHAIN_APPROX_TC89_KCOS, CHAIN_APPROX_NONE）。

offset: 可选的轮廓偏移量。

2.绘制轮廓

drawContours 函数用于在图像上绘制轮廓。

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: 输出的图像。

contours: 轮廓，以std::vector<std::vector<Point>>形式存储。

contourIdx: 指定要绘制的轮廓索引，-1表示绘制所有轮廓。

color: 轮廓的颜色。

thickness: 轮廓线的厚度。负值表示填充轮廓。

lineType: 轮廓线的类型。

hierarchy: 可选的轮廓拓扑信息，用于指定绘制的轮廓层次。

maxLevel: 绘制轮廓的最大层次深度。

offset: 可选的轮廓偏移量。

3.轮廓近似

approxPolyDP 函数用于对轮廓进行多边形逼近。

void approxPolyDP(InputArray curve, OutputArray approxCurve, double epsilon, bool closed);

curve: 输入的轮廓。

approxCurve: 输出的逼近多边形。

epsilon: 逼近精度，表示轮廓到逼近多边形的最大距离。

closed: 指示逼近多边形是否闭合。

4.轮廓面积和周长

contourArea 和 arcLength 函数分别用于计算轮廓的面积和周长。

double contourArea(InputArray contour, bool oriented = false);

double arcLength(InputArray curve, bool closed);

contour: 输入的轮廓。

oriented: 当为true时，返回有符号面积（正值表示逆时针方向，负值表示顺时针方向）。

curve: 输入的轮廓或曲线。

closed: 指示曲线是否闭合。

5.轮廓矩

moments 函数用于计算轮廓的矩。

Moments moments(InputArray array, bool binaryImage = false);

array: 输入的轮廓或图像。

binaryImage: 当为true时，假定输入图像为二值图像。

Moments结构体包含各种矩，如m00, m10, m01, m20, m11, m02等，可以用来计算轮廓的几何属性,具体有：

a.空间矩（Spatial Moments）

空间矩是图像像素位置与其灰度值的加权和，它们描述了图像的整体分布。在 cv::Moments 结构体中，空间矩包括：

m00：零阶矩，表示图像的总亮度（或质量）。

m10：一阶矩关于 x 轴的分量，描述了图像在 x 方向上的亮度分布。

m01：一阶矩关于 y 轴的分量，描述了图像在 y 方向上的亮度分布。

m20、m11、m02：二阶矩，分别描述了图像在 x2 方向上的亮度分布。

m30、m21、m12、m03：三阶矩，进一步描述了图像的高阶亮度分布特性。

b.中心矩（Central Moments）

中心矩是相对于图像重心的矩，它们描述了图像形状相对于重心的分布。在 cv::Moments 结构体中，中心矩包括：

mu20、mu11、mu02：二阶中心矩，分别描述了图像形状在 x2 方向上的相对于重心的分布。

mu30、mu21、mu12、mu03：三阶中心矩，进一步描述了图像形状的高阶相对于重心的分布特性。

c.中心归一化矩（Normalized Central Moments）

中心归一化矩是通过将中心矩除以零阶中心矩的适当幂次来得到的，它们具有尺度不变性。在 cv::Moments 结构体中，虽然直接没有列出归一化中心矩的成员变量，

但可以通过中心矩和零阶中心矩（实际上在 cv::Moments 中是 m00，但注意 m00 不是中心矩，这里只是为了说明归一化的概念）来计算得到。

归一化中心矩的一般形式为：

nu_pq = mu_pq / (m00^((p+q)/2 + 1))

其中，nu_pq 表示 p+q 阶归一化中心矩，mu_pq 表示 p+q 阶中心矩，m00 表示零阶矩。

6.获取轮廓的凸包

通过cv::convexHull()获取轮廓的凸包。

void convexHull( InputArray points, OutputArray hull, bool clockwise = false, bool returnPoints = true );

points即输入的二维点集；

hull为输出的二维点集；

clockwise决定出来的轮廓是否为顺时针方向，为true时为顺时针方向；

returnPoints标志，为true时，hull将返回点集，此时为std::vector<cv::Point>类型，为false时，hull将返回返回对应于外壳点的轮廓点的索引。

二.代码示例

1.打开一个图片

#include <opencv2/opencv.hpp>

#include <iostream>

int main() {

    // 读取图像

    cv::Mat src = cv::imread("path_to_image.jpg", cv::IMREAD_GRAYSCALE);

    if (src.empty()) {

        std::cerr << "Could not open or find the image!" << std::endl;

        return -1;

    }

    // 阈值处理

    cv::Mat binary;

    cv::threshold(src, binary, 127, 255, cv::THRESH_BINARY);

    // 查找轮廓

    std::vector<std::vector<cv::Point>> contours;

    std::vector<cv::Vec4i> hierarchy;

    cv::findContours(binary, contours, hierarchy, cv::RETR_TREE, cv::CHAIN_APPROX_SIMPLE);

    // 绘制轮廓

    cv::Mat result;

    cv::cvtColor(src, result, cv::COLOR_GRAY2BGR);

    for (size_t i = 0; i < contours.size(); i++) {

        cv::drawContours(result, contours, (int)i, cv::Scalar(0, 255, 0), 2, cv::LINE_8, hierarchy, 0);

    }

    // 显示结果

    cv::imshow("Contours", result);

    cv::waitKey(0);

    return 0;

}

2.生成一个图像

#include <iostream>

#include <opencv2/opencv.hpp>

int main() {

    // 创建一个空白的图像

    cv::Mat image = cv::Mat::zeros(300, 300, CV_8UC1); // 单通道8位图像

    // 在图像中间画一个白色的圆形作为轮廓

    cv::circle(image, cv::Point(150, 150), 50, cv::Scalar(255), -1);

    // 查找图像中的轮廓

    std::vector<std::vector<cv::Point>> contours;

    cv::findContours(image, contours, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_SIMPLE);

    // 计算轮廓的矩

    cv::Moments moments = cv::moments(contours[0]);

    // 从矩中计算质心

    double cx = moments.m10 / moments.m00;

    double cy = moments.m01 / moments.m00;

    // 计算面积

    double area = moments.m00;

    // 在图像上标记质心

    cv::circle(image, cv::Point(static_cast<int>(cx), static_cast<int>(cy)), 5, cv::Scalar(128), -1);

    // 输出质心坐标和面积

    std::cout << "Centroid at (" << cx << ", " << cy << ")" << std::endl;

    std::cout << "Area: " << area << std::endl;

    // 显示图像

    cv::imshow("Contour with Centroid", image);

    cv::waitKey(0);

    return 0;

}