opencv python 最大外接矩形 opencv获取轮廓的外接矩形

1. 寻找轮廓

1.1 相关API

说明：

1. 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；
2. 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：
3. 第三个参数是轮廓的索引值；
4. 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

---