OpenCv Java 简单的图形轮廓绘制 (5)

- 日理万妓 2022-12-02 00:53 271阅读 0赞

初学Opencv实现一点点的功能都感觉很是吃力，所以不得不写点东西记忆一下，不然明天又忘记了

好记星不如烂笔头

我就想能不能处分出图片中的正方形和圆形，标记出来，我们这边就绘制器图像，下一步就是认识图片中的图像

# 发现轮廓 #

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RhdG91bmlhbzE_size_16_color_FFFFFF_t_70][]

上图中是我们要区分的画出轮廓的图片看很简单，一个正方形两个圆，并且一个实心圆和一个空心圆

代码：

public static void main(String[] args) throws IOException {
    
    		try {
    			ResourceBundle bundle = ResourceBundle.getBundle("opencv");
    			String opencvDllName = bundle.getString("opencv.dllpath");
    			System.load(opencvDllName);
    		} catch (Exception e) {
    			e.printStackTrace();
    		}
    
    		Range r1 = new Range(2, 5);
    		Range r2 = new Range(1, 3);
    
    		Mat src = Imgcodecs.imread("D:\\svnp\\MyYan\\res\\drawable\\rectangle.png");
    
    		Mat dst = new Mat();
    
    		Imgproc.cvtColor(src, dst, Imgproc.COLOR_BGR2GRAY);
    
    		List<MatOfPoint> contours = new ArrayList<MatOfPoint>();
    
    		Mat hierarchy = new Mat();
    
    		Imgproc.findContours(dst, contours, hierarchy, Imgproc.CV_BLUR, Imgproc.CHAIN_APPROX_NONE);
    		
    		Mat background=new Mat(src.size(),CvType.CV_8UC3, new Scalar(0,255,0));
    	
    
    		for (int i = 0; i < contours.size(); i++) {
    
    			// Imgproc.drawContours(src,contours,k,new Scalar(255,0,0),1,20,hierarchy);
    
    			// System.out.println(point.dump());
    
    			Imgproc.drawContours(background, contours, i, new Scalar(255, 0, 0), 1, 8, hierarchy);
    			// Imgproc.drawMarker(Contours, point, new Scalar(255,0,0));
    
    		}
    		HighGui.imshow("ces", background);
    		HighGui.waitKey(5);
    	
    	}

最后显示出来的结果：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RhdG91bmlhbzE_size_16_color_FFFFFF_t_70 1][]

我们来分析上面的代码，只有分析才能学到东西啊

1.首先获取图片，并且灰度化，不解释了

Mat src = Imgcodecs.imread("D:\\\\svnp\\\\MyYan\\\\res\\\\drawable\\\\rectangle.png");

Mat dst = new Mat();

Imgproc.cvtColor(src, dst, Imgproc.COLOR\_BGR2GRAY);

2.创建容器，获取轮廓 所谓的容器是绘制轮廓返回的结果存储的位置

List<MatOfPoint> contours = new ArrayList<MatOfPoint>();
    
    	Mat hierarchy = new Mat();
    
    	Imgproc.findContours(canny_r, contours, hierarchy, Imgproc.RETR_TREE,Imgproc.CHAIN_APPROX_SIMPLE);

3.绘制轮廓，并且显示结果

Mat background = new Mat(src.size(), CvType.CV_8UC3, new Scalar(0, 255, 0));
    
        for (int i = 0; i < contours.size(); i++) {
    
                Imgproc.drawContours(background, contours, i, new Scalar(255, 0, 0), 1, 8, hierarchy);
    
            }
            HighGui.imshow("ces", background);
            HighGui.waitKey(5);

主要方法是绘制轮廓的方法

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RhdG91bmlhbzE_size_16_color_FFFFFF_t_70 2][]

参数含义:

image 数据源

contours 轮廓点集合 List<MatOfPoint>

hierarchy 层级轮廓层级描述 和contours是对应的

第四个参数：int型的mode，定义轮廓的检索模式：

取值一 RETR\_EXTERNAL**只检测最外围轮廓**，包含在外围轮廓内的内围轮廓被忽略

取值二：RETR\_LIST   检测所有的轮廓，包括内围、外围轮廓，但是检测到的轮廓不建立等级关

系，彼此之间独立，没有等级关系，这就意味着**这个检索模式下不存在父轮廓或内嵌轮廓**，

所以hierarchy向量内所有元素的第3、第4个分量都会被置为-1，具体下文会讲到

取值三：RETR\_CCOMP  检测所有的轮廓，但所有轮廓只建立两个等级关系，外围为顶层，若外围

内的内围轮廓还包含了其他的轮廓信息，则内围内的所有轮廓均归属于顶层

取值四：RETR\_TREE， 检测所有轮廓，所有轮廓建立一个等级树结构。外层轮廓包含内层轮廓，内

层轮廓还可以继续包含内嵌轮廓。

第五个参数：int型的method，定义轮廓的近似方法：

取值一：CHAIN\_APPROX\_NONE 保存物体边界上所有连续的轮廓点到contours向量内

取值二   CHAIN\_APPROX\_SIMPLE **仅保存轮廓的拐点信息**，把所有轮廓拐点处的点保存入contours

向量内，拐点与拐点之间直线段上的信息点不予保留

取值三和四：CHAIN\_APPROX\_TC89\_L1，CHAIN\_APPROX\_TC89\_KCOS使用teh-Chinl chain 近

似[算法][Link 1]

再次可以在第一步图片处理上进行优化

我们用其他的图片进行测试一下：

![20200831094717286.png][]

灰度化之后，可以使用canny进行边缘检测

Mat dst = new Mat();
    
    		Imgproc.cvtColor(src, dst, Imgproc.COLOR_BGR2GRAY);
    		
    		
    		Mat canny_r=new Mat();
    		
    		Imgproc.Canny(dst, canny_r, 90, 180);

进行了边缘检测之后，再去绘制轮廓，效果会更好

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RhdG91bmlhbzE_size_16_color_FFFFFF_t_70 3][]

我们当然还可以进一步的优化，进行高斯滤波

Imgproc.cvtColor(src, dst, Imgproc.COLOR_BGR2GRAY);
    		
    		Mat canny_r=new Mat();
    		
    		Imgproc.Canny(dst, canny_r, 90, 180);
    		
    		Imgproc.GaussianBlur(canny_r, canny_r, new Size(5, 5),3);
    
    		List<MatOfPoint> contours = new ArrayList<MatOfPoint>();
    
    		Mat hierarchy = new Mat();
    
    		Imgproc.findContours(canny_r, contours, hierarchy, 
            
            Imgproc.RETR_TREE,Imgproc.CHAIN_APPROX_SIMPLE);

进行了高斯滤波之后

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RhdG91bmlhbzE_size_16_color_FFFFFF_t_70 4][]

可以看到不进行高斯滤波和进行高斯滤波还是有区别的

我们可以看到的是，其实我们进行绘制轮廓之前可以进行基本的图片处理

# 轮廓的绘制 #

函数：

![20200911104747543.png][]

image 绘制轮廓的背景图片

contours 轮廓信息

contourIdx 绘制轮廓的索引 -1 标识绘制所有的轮廓点 其他的值标识绘制轮廓的contours.get(0)对应的轮廓点

color 颜色

thickness 线条粗细

lintType ：    // C++: enum LineTypes  
    public static final int  
            FILLED = -1,  
            LINE\_4 = 4,  
            LINE\_8 = 8,  
            LINE\_AA = 16;

默认的thickness

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RhdG91bmlhbzE_size_16_color_FFFFFF_t_70 5][]

thickness=2

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RhdG91bmlhbzE_size_16_color_FFFFFF_t_70 6][]

画出其中高和宽度相差大于100的图形

Mat src = Imgcodecs.imread(filename);// 加载需要被蒙太奇的图片，原图
    
    		Mat dst = new Mat();
    
    		Imgproc.cvtColor(src, dst, Imgproc.COLOR_BGR2GRAY);
    
    		Imgproc.medianBlur(dst, dst,3);
    		
    		Mat oepn=Imgproc.getStructuringElement(Imgproc.CV_SHAPE_RECT, new Size(5,5));
    
    		Imgproc.morphologyEx(dst, dst, Imgproc.MORPH_HITMISS,oepn,new Point(-1,-1));
    
    		Imgproc.threshold(dst,dst,0,255,Imgproc.THRESH_BINARY | Imgproc.THRESH_OTSU);
    
    		List<MatOfPoint> contours = new ArrayList<MatOfPoint>();
    		Mat hierarchy = new Mat();
    		Imgproc.findContours(dst, contours, hierarchy, Imgproc.RETR_TREE, Imgproc.CHAIN_APPROX_NONE);
    		for (int i = 0; i < contours.size(); i++) {
    			// 外边界
    			Rect rect = Imgproc.boundingRect(contours.get(i));
    			double w = rect.width;
    			double h = rect.height;
    			if(Math.abs(w-h)>100) {
    				Imgproc.drawContours(src, contours,i+1, new Scalar(255, 255, 0), 2,Imgproc.LINE_8,hierarchy);
    				
    			}
    		}
    		HighGui.imshow("原图", src);
    //	    HighGui.imshow("矩形操作", dst2);
    		HighGui.waitKey(0);

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RhdG91bmlhbzE_size_16_color_FFFFFF_t_70 7][]

Imgproc.drawContours(src, contours,0, new Scalar(255, 255, 0), 2,Imgproc.LINE\_8);      
当第三个值contoursIdx的值确定的是时候，其实就是绘制的contours.get(contoursIdx)所表示的轮廓，当第三个值contoursIdx的值确定的是时候，表示绘制所有的轮廓

# 什么是轮廓 #

List<MatOfPoint> contours = new ArrayList<MatOfPoint>();

可以看到的是轮廓是存储在MatOfPoint，我们查看MatOfPoint发现是一些像素点，

![20200911140237689.png][]

轮廓是像素点组成的数组，集合

# 轮廓分析 #

我们可以从轮廓这里面或者到一个矩阵rect

Rect rect = Imgproc.boundingRect(contours.get(i));

并且获取到顶点，和矩阵的长度和宽度

System.out.println(rect.tl()+"**********"+rect.br());
    		double w = rect.width;
    		double h = rect.height;

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RhdG91bmlhbzE_size_16_color_FFFFFF_t_70 8][]

我们可以绘制具体位置的图形，比如我要绘制六边形的轮廓

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RhdG91bmlhbzE_size_16_color_FFFFFF_t_70 9][]

我们通过简单的位置可以定位到最左侧的图形并绘制出其轮廓

我觉得我们设置是可以对MatOfPoint进行分析，轮廓分析，比如最简单的正方形，如果说rect.x=rect.y我们就可以认准为正方形

在一群图像中进行识别正方形

希望对你有所帮助

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RhdG91bmlhbzE_size_16_color_FFFFFF_t_70]: /images/20221123/2033519852ca453ead727a8896694048.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RhdG91bmlhbzE_size_16_color_FFFFFF_t_70 1]: /images/20221123/6b886b1159ff4a5eba5cacde509b731f.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RhdG91bmlhbzE_size_16_color_FFFFFF_t_70 2]: /images/20221123/bbdece7605e54006bf5ea946831f4c19.png
[Link 1]: http://lib.csdn.net/base/datastructure
[20200831094717286.png]: /images/20221123/38c3d396e31c4c209598a78637a022ea.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RhdG91bmlhbzE_size_16_color_FFFFFF_t_70 3]: /images/20221123/7836293071ac4d0da8dd235138d79275.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RhdG91bmlhbzE_size_16_color_FFFFFF_t_70 4]: /images/20221123/308f15efdd4a4ceabc2fea3c60b61478.png
[20200911104747543.png]: /images/20221123/127765d500cb46a6ab00d391d922c6eb.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RhdG91bmlhbzE_size_16_color_FFFFFF_t_70 5]: /images/20221123/e2f5b7a79c3e417a9fc0c960fba055c9.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RhdG91bmlhbzE_size_16_color_FFFFFF_t_70 6]: /images/20221123/1fde34675a7949fabf56eb8c06c4e6fe.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RhdG91bmlhbzE_size_16_color_FFFFFF_t_70 7]: /images/20221123/53acf002c55d46ca92d1f9afc5556f59.png
[20200911140237689.png]: /images/20221123/e61738ee7db74e62a9dc179b3cb0b7b5.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RhdG91bmlhbzE_size_16_color_FFFFFF_t_70 8]: /images/20221123/4211a9d358024830abf52c77f6014228.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RhdG91bmlhbzE_size_16_color_FFFFFF_t_70 9]: /images/20221123/199c93781a9441dbb6b55681f7c99fb9.png