C++ contours

您好！关于 C++ 中的 contours，它是指在图像处理中，将图像中的连通区域提取出来的操作。常用的方法是使用 OpenCV 库中的 findContours 函数。该函数可以找到图像中所有的轮廓，并将其存储在一个向量中。您可以通过以下代码实现：

#include <opencv2/opencv.hpp>
using namespace cv;

int main()
{
    Mat img = imread("test.jpg", IMREAD_GRAYSCALE);
    threshold(img, img, 128, 255, THRESH_BINARY);
    std::vector<std::vector<Point>> contours;
    findContours(img, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);
    drawContours(img, contours, -1, Scalar(255), 2);
    imshow("contours", img);
    waitKey(0);
    return 0;
}

在这个例子中，我们首先读入一张灰度图像，然后对其进行二值化处理。接着使用 findContours 函数找到图像中的轮廓，并将其存储在 contours 向量中。最后使用 drawContours 函数将轮廓绘制在原图上。

相关问题

用c++ opencv实现python的sorted_cnt = sorted(contours, key=cv2.contourArea, reverse = True)

在C++中，可以使用以下代码实现与Python中sorted函数中的key参数类似的功能：

#include <opencv2/opencv.hpp>
#include <iostream>
#include <vector>
#include <algorithm>

using namespace cv;
using namespace std;

bool compareContourAreas(vector<Point> contour1, vector<Point> contour2) {
    double i = fabs(contourArea(Mat(contour1)));
    double j = fabs(contourArea(Mat(contour2)));
    return (i > j);
}

int main() {
    vector<vector<Point>> contours; // 存储轮廓
    vector<Vec4i> hierarchy; // 存储轮廓的拓扑结构
    Mat image = imread("test.jpg", IMREAD_GRAYSCALE);
    findContours(image, contours, hierarchy, RETR_TREE, CHAIN_APPROX_SIMPLE, Point(0, 0));

    sort(contours.begin(), contours.end(), compareContourAreas); // 排序

    return 0;
}

在这个例子中，我们定义了一个名为compareContourAreas的函数，该函数接受两个轮廓作为参数，并返回一个布尔值。在该函数中，我们使用cv::contourArea函数计算每个轮廓的面积，并将它们的绝对值作为比较的依据。

最后，我们使用sort函数对轮廓进行排序，并传递compareContourAreas函数作为参数，以确保按面积大小的倒序排列。

需要注意的是，在C++中，没有直接的reverse参数，我们需要自己实现compareContourAreas函数来实现类似的功能。

C++Qt中如何将vector<vector<Point>> contours的数据仪二进制的形式写入sqlite3数据库，并从数据库中读出来

在C++中，特别是使用Qt库结合SQLite作为数据库，你可以使用`QSqlDatabase`、`QSqlQuery`以及一些容器处理技术来操作这种二维向量的数据结构。首先，你需要包括相关的头文件并创建一个SQLite连接：

#include <QSqlDatabase>
#include <QSqlQuery>
#include <QByteArray>
#include <QDataStream>

// 假设Point是一个自定义类，包含x和y坐标
struct Point {
    int x;
    int y;
};

接下来，我们将数据写入数据库：

// 定义一个函数用于序列化向量
void serializeContourToBlob(vector<vector<Point>>& contour, QByteArray& blob) {
    QDataStream out(&blob, QIODevice::WriteOnly);
    for (const auto &row : contour) {
        for (const auto &point : row) {
            out << point.x << point.y;
        }
    }
}

// 写入数据库
void saveContoursToSqlite(QSqlDatabase& db, const QString& tableName, vector<vector<Point>>& contours) {
    QSqlQuery query(db);
    query.prepare("INSERT INTO " + tableName + " (contour_data) VALUES (?)");
    QByteArray blob;
    serializeContourToBlob(contours, blob);
    query.addBindValue(blob);
    if (!query.exec()) {
        // 处理错误
    }
}

然后，从数据库读取数据：

// 反序列化从数据库获取的数据
vector<vector<Point>> loadContoursFromSqlite(QSqlDatabase& db, const QString& tableName) {
    QSqlQuery query(db, "SELECT contour_data FROM " + tableName);
    if (!query.exec()) {
        // 处理错误
    }

    while (query.next()) {
        QByteArray blob = query.value(0).toByteArray();
        QDataStream in(blob, QIODevice::ReadOnly);
        QVector<QVector<Point>> contours;
        while (!in.atEnd()) {
            QVector<Point> contour;
            in >> contour;  // 解析点
            contours.append(contour);
        }
        return contours;
    }
    return {};  // 数据不存在或查询结果为空
}