cv::findContours();得到子轮廓

cv::findContours() 是 OpenCV 库中的一个函数，用于在二值图像中查找轮廓。它可以帮助我们找到图像中的所有轮廓，并将其存储为一个轮廓向量。

使用 cv::findContours() 函数可以得到子轮廓的步骤如下：
1. 首先，需要创建一个二值图像，可以通过阈值化、边缘检测等方法得到。
2. 然后，创建一个空的轮廓向量，用于存储找到的轮廓。
3. 调用 cv::findContours() 函数，传入二值图像和轮廓向量作为参数。
4. 在函数调用后，轮廓向量将被填充上找到的轮廓信息。
5. 可以通过遍历轮廓向量来访问每个子轮廓的信息。

以下是一个示例代码，展示了如何使用 cv::findContours() 函数来获取子轮廓：

cv::Mat binaryImage; // 二值图像
std::vector<std::vector<cv::Point>> contours; // 轮廓向量

// 阈值化或边缘检测等操作得到二值图像

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

// 遍历轮廓向量，访问每个子轮廓的信息
for (int i = 0; i < contours.size(); i++) {
    std::vector<cv::Point> contour = contours[i];
    // 处理子轮廓的代码
}

相关问题

cv::findContours 获得的轮廓中，如何获取面积最大的轮廓

`cv::findContours` 函数用于从二进制图像中提取轮廓，它是OpenCV库中的一个功能。当你获得轮廓后，通常需要找到其中面积最大的那个。这可以通过遍历所有的轮廓并计算每个轮廓的面积来实现。以下是一个简单的步骤：

1. **提取轮廓**：

   std::vector<std::vector<cv::Point>> contours;
   cv::findContours(image, contours, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_SIMPLE);

2. **计算轮廓面积**：
使用`cv::contourArea`函数，例如：

   std::vector<cv::Vec4i> hierarchy;
   cv::approxPolyDP(contours[i], contourApprox, epsilon, true);
   double area = cv::contourArea(contourApprox);

`epsilon`是一个阈值，可以用来调整轮廓近似程度。

3. **找出最大面积**：
可能你需要创建一个变量存储当前的最大面积，并遍历所有轮廓来比较它们的面积：

   double maxArea = 0;
   int largestContourIndex = -1;
   for (int i = 0; i < contours.size(); i++) {
       if (area > maxArea) {
           maxArea = area;
           largestContourIndex = i;
       }
   }

最后，你可以通过索引来访问面积最大的轮廓：

   const cv::vector<cv::Point>& maxContour = contours[largestContourIndex];

cv::findContours

cv::findContours函数是OpenCV中用于检测物体轮廓的函数。它可以通过简单几个步骤来检测出物体的轮廓，非常方便。该函数有几个参数，其中第四个参数是mode，用于定义轮廓的检索模式。mode的取值有四种：

1. CV_RETR_EXTERNAL：只检测最外围轮廓，忽略内围轮廓。
2. CV_RETR_LIST：检测所有轮廓，包括内围和外围轮廓，但不建立等级关系。
3. CV_RETR_CCOMP：检测所有轮廓，建立两个等级关系，外围为顶层，内围轮廓归属于顶层。
4. CV_RETR_TREE：检测所有轮廓，建立一个等级树结构，外层轮廓包含内层轮廓。

第五个参数是method，用于定义轮廓的近似方法。method的取值有三种：

1. CV_CHAIN_APPROX_NONE：保存物体边界上所有连续的轮廓点。
2. CV_CHAIN_APPROX_SIMPLE：仅保存轮廓的拐点信息，不保存直线段上的点。
3. CV_CHAIN_APPROX_TC89_L1和CV_CHAIN_APPROX_TC89_KCOS：使用teh-Chinl chain近似算法。