cv2.findcontours轮廓内外

cv2.findContours函数可以用来获取图像中的轮廓信息。这个函数的第一个返回值是轮廓的列表，第二个返回值是轮廓的层次结构。在这个函数中，通过调整第二个参数cv2.RETR_EXTERNAL和cv2.RETR_LIST可以选择获取轮廓的方式。当使用cv2.RETR_EXTERNAL参数时，函数只返回最外层的轮廓，而使用cv2.RETR_LIST参数时，函数返回所有的轮廓。因此，cv2.RETR_EXTERNAL返回的是轮廓的内部，cv2.RETR_LIST返回的是轮廓的内外都有。

相关问题

cv::findContours 查找 中心为空的圆圈的两个轮廓

中心为空的圆圈通常指的是环形，它有两个轮廓：内轮廓和外轮廓。如果您想查找中心为空的圆圈的两个轮廓，可以使用cv::findContours函数，并指定RETR_LIST模式。以下是一个示例代码：

cv::Mat img; // 二值化图像
std::vector<std::vector<cv::Point>> contours;
std::vector<cv::Vec4i> hierarchy;
cv::findContours(img, contours, hierarchy, cv::RETR_LIST, cv::CHAIN_APPROX_SIMPLE);

// 遍历轮廓
for (int i = 0; i < contours.size(); i++) {
    double area = cv::contourArea(contours[i]);
    // 如果轮廓面积太小，则跳过
    if (area < 100) continue;
    // 判断轮廓是否为环形
    std::vector<cv::Point> hull;
    cv::convexHull(contours[i], hull);
    double hull_area = cv::contourArea(hull);
    if (std::abs(hull_area - area) > 1e-3) continue;
    // 计算内外轮廓
    std::vector<std::vector<cv::Point>> inner_contours, outer_contours;
    cv::Mat mask = cv::Mat::zeros(img.size(), CV_8UC1);
    cv::drawContours(mask, contours, i, cv::Scalar(255), cv::FILLED);
    cv::findContours(mask, inner_contours, cv::RETR_LIST, cv::CHAIN_APPROX_SIMPLE);
    cv::drawContours(mask, inner_contours, -1, cv::Scalar(0), cv::FILLED);
    cv::findContours(mask, outer_contours, cv::RETR_LIST, cv::CHAIN_APPROX_SIMPLE);
    // 绘制内外轮廓
    cv::drawContours(img, inner_contours, -1, cv::Scalar(255), 2);
    cv::drawContours(img, outer_contours, -1, cv::Scalar(255), 2);
}

上述代码首先遍历所有轮廓，计算其面积并判断是否太小。然后使用cv::convexHull函数计算轮廓的凸包，并计算凸包面积。如果轮廓面积与凸包面积差异较大，则认为它不是环形。然后使用cv::drawContours函数生成轮廓掩码，并使用cv::findContours函数查找内外轮廓。最后使用cv::drawContours函数绘制内外轮廓。

C++将内外轮廓合并为一个轮廓

要将内外轮廓合并为一个轮廓，可以使用C++中的轮廓逼近函数（cv::approxPolyDP）。首先，将内外轮廓合并为一个向量，然后使用轮廓逼近函数将其转换为多边形。

以下是一个简单的示例代码：

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

using namespace std;
using namespace cv;

int main()
{
    // 读取图像并将其转换为灰度图像
    Mat image = imread("contours.png");
    Mat gray;
    cvtColor(image, gray, COLOR_BGR2GRAY);

    // 将灰度图像二值化
    Mat thresh;
    threshold(gray, thresh, 0, 255, THRESH_BINARY | THRESH_OTSU);

    // 找到轮廓
    vector<vector<Point>> contours;
    findContours(thresh, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);

    // 合并内外轮廓为一个向量
    vector<Point> merged_contour;
    for (size_t i = 0; i < contours.size(); i++) {
        for (size_t j = 0; j < contours[i].size(); j++) {
            merged_contour.push_back(contours[i][j]);
        }
    }

    // 轮廓逼近
    double epsilon = 5.0;
    vector<Point> approx;
    approxPolyDP(merged_contour, approx, epsilon, true);

    // 绘制结果
    Mat result(image.size(), CV_8UC3, Scalar(255, 255, 255));
    drawContours(result, vector<vector<Point>>{approx}, 0, Scalar(0, 0, 255), 2);

    // 显示结果
    imshow("Result", result);
    waitKey(0);

    return 0;
}

在上述代码中，我们首先将图像转换为灰度图像，并将其二值化。接下来，我们找到轮廓并将内外轮廓合并为一个向量。然后，我们使用轮廓逼近函数将向量转换为多边形，并在最终结果中绘制多边形。