### OpenCV `findContours` 函数使用说明 #### 函数概述 `findContours` 是 OpenCV 中用于检测图像轮廓的一个重要函数。它能够提取二值化图像中的边界并返回这些边界的坐标集合[^1]。 #### 参数详解 以下是该函数的标准定义及其各参数的作用： ```cpp void findContours( InputOutputArray image, OutputArrayOfArrays contours, OutputArray hierarchy, int mode, int method, Point offset = Point() ); ``` - **image**: 输入的单通道二值图像，通常由阈值处理或其他分割方法生成。 - **contours**: 输出参数，存储找到的所有轮廓的信息。每个轮廓是一个点集，表示对象的边缘。 - **hierarchy**: 可选输出向量，包含每条轮廓的拓扑信息（父级、子级关系等）。如果不需要层次结构，则可以将其设置为空指针。 - **mode**: 轮廓检索模式，决定了如何构建轮廓之间的层级关系。常见的选项有： - `RETR_EXTERNAL`: 只保留最外层的轮廓。 - `RETR_LIST`: 所有的轮廓都被保存到同一级别列表中。 - `RETR_CCOMP`: 构建两级轮廓结构。 - `RETR_TREE`: 构建完整的树形结构。 - **method**: 轮廓近似方法，影响轮廓点的数量和精度。常用的方法包括： - `CHAIN_APPROX_NONE`: 存储所有的轮廓点。 - `CHAIN_APPROX_SIMPLE`: 压缩水平线、垂直线以及斜线上的冗余点。 - `CHAIN_APPROX_TC89_L1`, `CHAIN_APPROX_TC89_KCOS`: 使用 Teh-Chin 链逼近算法的不同变体。 - **offset**: 可选偏移量，默认为 `(0, 0)`。可以通过此参数调整所有轮廓点的位置。 #### 实现细节与原理 `findContours` 的实现基于 Suzuki 和 Abe 提出的连通分量跟踪算法[^3]。通过遍历像素来寻找目标区域的外部边界，并根据指定的检索模式建立相应的父子关系。 #### 示例代码 下面展示了一个简单的 Python 示例，演示如何利用 `cv2.findContours` 查找并绘制轮廓： ```python import cv2 import numpy as np # 创建一个空白画布 img = np.zeros((512, 512), dtype=np.uint8) # 绘制一些形状作为测试数据 cv2.rectangle(img, (100, 100), (300, 300), color=255, thickness=-1) cv2.circle(img, center=(400, 400), radius=50, color=255, thickness=-1) # 寻找轮廓 contours, _ = cv2.findContours(img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) # 将原图复制一份用来显示结果 result_img = cv2.cvtColor(img, cv2.COLOR_GRAY2BGR) # 绘制发现的轮廓 cv2.drawContours(result_img, contours, contourIdx=-1, color=(0, 255, 0), thickness=2) # 显示原始图片和带有轮廓的结果 cv2.imshow('Original Image', img) cv2.imshow('Image with Contours', result_img) cv2.waitKey(0) cv2.destroyAllWindows() ``` 上述脚本会创建一张黑色背景上具有矩形和圆形图案的灰度图像，随后调用 `findContours` 方法获取它们的轮廓，并最终将绿色线条覆盖于彩色版本之上呈现出来。 #### 注意事项 当应用 `findContours` 之前，请确保输入的是经过适当预处理后的二值图像；否则可能无法获得理想的效果。此外，在某些情况下还需要考虑形态学操作以改善效果[^2]。