请查看以下代码
#include <iostream>
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
using namespace std;
using namespace cv;
Mat src, grey;
int thresh = 10;
const char* windowName = "Contours";
void detectContours(int,void*);
int main()
{
src = imread("C:/Users/Public/Pictures/Sample Pictures/Penguins.jpg");
//Convert to grey scale
cvtColor(src,grey,CV_BGR2GRAY);
//Remove the noise
cv::GaussianBlur(grey,grey,Size(3,3),0);
//Create the window
namedWindow(windowName);
//Display the original image
namedWindow("Original");
imshow("Original",src);
//Create the trackbar
cv::createTrackbar("Thresholding",windowName,&thresh,255,detectContours);
detectContours(0,0);
waitKey(0);
return 0;
}
void detectContours(int,void*)
{
Mat canny_output,drawing;
vector<vector<Point>> contours;
vector<Vec4i>heirachy;
//Detect edges using canny
cv::Canny(grey,canny_output,thresh,2*thresh);
namedWindow("Canny");
imshow("Canny",canny_output);
//Find contours
cv::findContours(canny_output,contours,heirachy,CV_RETR_TREE,CV_CHAIN_APPROX_SIMPLE,Point(0,0));
//Setup the output into black
drawing = Mat::zeros(canny_output.size(),CV_8UC3);
//Draw contours
for(int i=0;i<contours.size();i++)
{
cv::drawContours(drawing,contours,i,Scalar(255,255,255),1,8,heirachy,0,Point());
}
imshow(windowName,drawing);
}
从理论上讲, Contours
意味着检测曲线 . Edge detection
表示检测边缘 . 在上面的代码中,我使用 Canny
进行了边缘检测,并通过 findContours()
进行了曲线检测 . 以下是生成的图像
Canny Image
Contours Image
好的,现在,正如你所看到的,没有区别!那么,这两者之间的实际差异是什么?在OpenCV教程中,只给出了代码 . 我找到了关于什么是 Contours
的解释,但它没有解决这个问题 .
请帮忙!
4 回答
边缘被计算为在梯度方向上的图像梯度的极值的点 . 如果有帮助,您可以将它们视为一维函数中的最小和最大点 . 关键是,边缘像素是局部概念:它们只是指出相邻像素之间的显着差异 .
轮廓通常从边缘获得,但它们旨在成为对象轮廓 . 因此,它们需要是闭合曲线 . 您可以将它们视为边界(一些图像处理算法和图书馆会像这样称呼它们) . 从边缘获取它们时,需要连接边缘以获得闭合轮廓 .
查找边和计数之间的主要区别在于,如果运行查找边,则输出为新图像 . 在这个新的(边缘图像)图像中,您将突出显示边缘 . 有许多用于检测边缘的算法look at wiki see also .
例如,Sobel算子给出了平滑的“模糊”结果 . 在您的特定情况下,问题在于您正在使用Canny边缘检测器 . 这个比其他探测器更进一步 . 它实际上运行了进一步的边缘细化步骤 . Canny探测器的输出因此是二进制图像,具有1px宽线代替边缘 .
另一方面,
Contours
算法处理任意二进制图像 . 所以,如果你把黑色背景上的白色填充正方形 . 运行Contours
算法后,您将获得白色空方块,只有边框 .轮廓检测的其他额外好处是,它实际上返回了一组点!这很好,因为你可以进一步使用这些点进行一些处理 .
在您的特定情况下,两个图像匹配只是巧合 . 它不是规则,在你的情况下,这是因为Canny算法的独特属性 .
轮廓实际上可以比“仅”检测边缘更多 . 该算法确实找到了图像的边缘,但也将它们放在层次结构中 . 这意味着您可以请求在图像中检测到的对象的外边框 . 如果你只检查边缘,这样的事情就不会(直接)成为可能 .
从文档中可以看出,轮廓主要用于对象识别,其中canny边缘检测器是更“全局”的操作 . 如果轮廓算法使用某种canny边缘检测,我不会感到惊讶 .
轮廓的概念用作处理边缘数据的工具 . 并非所有边缘都相同 . 但在许多情况下,例如具有单峰颜色分布的对象(即一种颜色),边缘是实际轮廓(轮廓,形状) .
不仅检测曲线,还检测边缘图上连接的任何内容 . (连通成分分析)[1]
对于具有单峰颜色分布的对象很有用(使用简单的阈值很容易找到前景蒙版) . 您的样本图片不合适 .
[1]边界数字化二值图像的拓扑结构分析Satoshi Suzuki,1985 .