opencv 轮廓数量 C++

要获取 OpenCV C++ 中图像中的轮廓数量，可以使用 `findContours` 函数来查找轮廓并将其存储在向量中，然后使用 `size()` 函数获取向量的大小即可。以下是示例代码：

// 读取图像
Mat image = imread("image.jpg", 0);

// 阈值化处理
Mat thresholded;
threshold(image, thresholded, 128, 255, THRESH_BINARY);

// 查找轮廓
vector<vector<Point>> contours;
findContours(thresholded, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);

// 输出轮廓数量
cout << "轮廓数量为：" << contours.size() << endl;

这里的 `RETR_EXTERNAL` 表示只提取最外层轮廓，`CHAIN_APPROX_SIMPLE` 表示轮廓的存储方式为仅保存拐点信息。

相关问题

opencv轮廓多边形拟合c++代码

在OpenCV中，轮廓多边形拟合是通过寻找与轮廓点集最接近的多边形边界来实现的。这在处理形状识别和轮廓分析时非常有用。在C++中，可以使用`approxPolyDP`函数来对轮廓进行多边形拟合。以下是一个简单的例子，展示如何使用`approxPolyDP`函数。

首先，你需要包含必要的头文件，并且确保已经正确安装了OpenCV库。

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

int main() {
    // 假设已经加载了一张图片，并且得到了它的轮廓contours
    std::vector<std::vector<cv::Point>> contours;
    // 这里省略了获取轮廓的代码

    // 遍历所有轮廓
    for (size_t i = 0; i < contours.size(); i++) {
        // 使用approxPolyDP函数进行多边形拟合
        // 参数分别为：轮廓点集、拟合后的多边形点集、轮廓周长与拟合多边形周长的最大差值（epsilon）、曲线是否闭合（true为闭合）
        std::vector<cv::Point> approx;
        double epsilon = 0.01 * cv::arcLength(contours[i], true);
        cv::approxPolyDP(contours[i], approx, epsilon, true);

        // 此时approx中存储的就是拟合后的多边形顶点

        // 可以根据顶点数量判断拟合的形状类型
        int num_vertices = approx.size();
        if (num_vertices == 3) {
            std::cout << "轮廓是三角形" << std::endl;
        } else if (num_vertices == 4) {
            std::cout << "轮廓是四边形" << std::endl;
        } else {
            std::cout << "轮廓是多边形，顶点数：" << num_vertices << std::endl;
        }
    }

    // 其他处理代码...

    return 0;
}

在上面的代码中，我们首先计算了轮廓的周长，然后根据周长计算出`epsilon`值，这是控制拟合精度的一个参数。`epsilon`值越大，拟合得到的多边形越平滑，反之则越接近原始轮廓。`true`参数表示我们希望得到的是一个闭合的多边形。

c++ opencv轮廓排序

在OpenCV中，轮廓排序可以按照不同的标准进行，例如轮廓的面积、宽度、高度或轮廓的位置等。

要对轮廓进行排序，首先需要找到并检测图像中的所有轮廓。可以使用findContours函数来做到这一点。该函数返回一个轮廓的列表。

然后，可以根据轮廓的特征对轮廓进行排序。例如，如果要根据轮廓的面积进行排序，可以使用contourArea函数计算每个轮廓的面积，并将其作为排序的依据。

将这些轮廓特征值存储在一个列表中，并使用Python的sort函数对其进行排序。sort函数将根据给定的排序依据对轮廓进行排序。

排序后，可以按照排序的顺序访问轮廓并进行进一步的处理或分析。例如，可以绘制排序后的轮廓，或选择具有特定特征的轮廓进行后续操作。

需要注意的是，对于某些特征较小的轮廓，可以设置一个阈值来排除它们，以减少处理的数量和提高效率。

总而言之，OpenCV提供了在轮廓上进行排序的功能，可以根据不同的特征对轮廓进行排序，从而实现对轮廓的灵活控制和处理。