CV_RETR_EXTERNAL

CV_RETR_EXTERNAL是OpenCV中findContours函数的一个参数，用于指定轮廓检测的模式之一。CV_RETR_EXTERNAL表示只检测最外层的轮廓，即只返回最外层的轮廓信息，而不包括内部的孔洞或子轮廓。

在使用OpenCV进行轮廓检测时，可以通过设置不同的轮廓检测模式来获取不同级别的轮廓信息。CV_RETR_EXTERNAL是其中一种模式，它可以用于提取图像中的主要对象轮廓，忽略掉内部的孔洞或子轮廓。

相关问题

red_contours, _ = cv2.findContours(red_mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) blue_contours, _ = cv2.findContours(blue_mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) green_contours, _ = cv2.findContours(green_mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) yellow_contours, _ = cv2.findContours(yellow_mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

这段代码使用OpenCV库的`findContours`函数来检测每个颜色掩码中的轮廓。以下是代码示例：

import cv2

red_contours, _ = cv2.findContours(red_mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
blue_contours, _ = cv2.findContours(blue_mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
green_contours, _ = cv2.findContours(green_mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
yellow_contours, _ = cv2.findContours(yellow_mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

在这个例子中，`findContours`函数接受三个参数：输入的二值图像、轮廓检索模式和轮廓近似方法。对于每个颜色掩码，我们分别使用`RETR_EXTERNAL`模式来检测外部轮廓，并使用`CHAIN_APPROX_SIMPLE`方法进行简单的轮廓近似。函数返回两个值，第一个是轮廓列表（在这里我们将其赋值给`red_contours`、`blue_contours`、`green_contours`和`yellow_contours`），第二个是层次结构（在这里我们使用下划线表示我们不关心它）。这样，你可以使用这些轮廓列表来进一步处理和分析检测到的颜色区域。

#include<iostream> #include<opencv2/opencv.hpp> #include <opencv2/core/core.hpp> #include<opencv2/highgui/highgui_c.h> #include <opencv2/imgproc/imgproc.hpp> using namespace std; using namespace cv; int main() { //Mat img = imread("cells.jpg", CV_LOAD_IMAGE_GRAYSCALE); // 读入灰度图像 Mat img; Mat img1 = imread("G:/图像处理/实验课设/实验课设5.31/cell3.png"); //cvtColor(img1, img, CV_BGR2GRAY); Mat img_blur; cvtColor(img1, img_blur, CV_BGR2GRAY); Mat img_thresh1; threshold(img_blur, img_thresh1, 0, 255, THRESH_BINARY_INV + THRESH_OTSU); // 二值化 Mat img_thresh; Mat element = getStructuringElement(MORPH_RECT, Size(35, 35), Point(-1, -1)); erode(img_thresh1, img_thresh, element); //morphologyEx(img_thresh1, img_thresh, MORPH_OPEN, kernel); imshow("FUSHI", img_thresh); vector<vector<Point>> contours; findContours(img_thresh, contours, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE); // 寻找轮廓 //findContours(canny_output, contours, hierarchy, CV_RETR_TREE, CV_CHAIN_APPROX_SIMPLE, Point(0, 0)); Mat img_contours = Mat::zeros(img_thresh.size(), CV_8UC3); Scalar color(0, 0, 255); drawContours(img_contours, contours, -1, color); cout << "细胞个数：" << contours.size() << endl; imshow("去噪后的图像", img_blur); imshow("二值化后的图像", img_thresh); imshow("轮廓", img_contours); waitKey(0); return 0; } OpenCV2015版本 把element函数中size（）创建滑动控件createTrackbar x64

根据您提供的代码，我理解您的问题是如何使用 createTrackbar 函数来调整 element 的大小。

首先，element 是一个矩阵，用于图像形态学操作。在您的代码中，它是使用以下代码创建的：

Mat element = getStructuringElement(MORPH_RECT, Size(35, 35), Point(-1, -1));

要在滑动条上调整 element 的大小，您需要使用 createTrackbar 函数创建滑动条，并根据滑动条的值更新 element 的大小。

以下是一个简单的例子，将 createTrackbar 用于调整 element 的大小：

#include<iostream>
#include<opencv2/opencv.hpp>
#include<opencv2/core/core.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<opencv2/imgproc/imgproc.hpp>

using namespace std;
using namespace cv;

int element_size = 35; // 初始大小
Mat element;

void on_trackbar(int, void*) {
    element = getStructuringElement(MORPH_RECT, Size(element_size, element_size), Point(-1, -1));
}

int main() {
    Mat img1 = imread("cell3.png");
    Mat img_blur;
    cvtColor(img1, img_blur, CV_BGR2GRAY);
    Mat img_thresh1;
    threshold(img_blur, img_thresh1, 0, 255, THRESH_BINARY_INV + THRESH_OTSU);
    Mat img_thresh;
    element = getStructuringElement(MORPH_RECT, Size(element_size, element_size), Point(-1, -1));
    erode(img_thresh1, img_thresh, element);

    namedWindow("FUSHI", WINDOW_NORMAL);
    namedWindow("Trackbar", WINDOW_NORMAL);
    createTrackbar("Element Size", "Trackbar", &element_size, 100, on_trackbar);
    on_trackbar(element_size, 0);

    while (true) {
        imshow("FUSHI", img_thresh);
        char c = waitKey(10);
        if (c == 27) break;
    }

    return 0;
}

在这个例子中，我们使用了一个名为 "Trackbar" 的新窗口，并创建了一个名为 "Element Size" 的滑动条，将其最小值设置为 0，最大值设置为 100。我们还设置了一个回调函数 on_trackbar，每当滑动条的值发生变化时都会被调用。

在回调函数中，我们使用当前滑动条的值来更新 element 的大小，并在 "FUSHI" 窗口中显示处理后的图像。在主循环中，我们使用 waitKey 函数来等待用户按下 ESC 键或关闭窗口。

希望这可以帮助您解决问题。