### 如何使用C++和OpenCV在图像中查找轮廓 为了在图像中查找轮廓，通常需要先将图像转换为二进制形式以便更清晰地区分前景与背景。接着利用 `cv::findContours` 函数获取图像中的轮廓信息。 #### 1. 加载并预处理图像 加载灰度图像是第一步操作： ```cpp cv::Mat src = cv::imread("path_to_image", cv::IMREAD_GRAYSCALE); if(src.empty()){ std::cout << "Could not open or find the image" << std::endl; return -1; } ``` 如果原始图像是彩色的，则应首先将其转换成灰度模式[^1]。 #### 2. 转换为二值化图像 应用阈值处理函数 `cv::threshold` 或者边缘检测算法如 Canny 来创建二值化的输出图像： ```cpp cv::Mat binaryImage; // 使用固定阈值方法 cv::threshold(src, binaryImage, 128, 255, cv::THRESH_BINARY); // 或者使用自适应阈值法 // cv::adaptiveThreshold(src, binaryImage, 255, cv::ADAPTIVE_THRESH_GAUSSIAN_C, cv::THRESH_BINARY, 11, 2); // 可选：也可以采用Canny算子获得更好的效果 // cv::Canny(src, binaryImage, 50, 150); ``` #### 3. 查找轮廓 调用 `cv::findContours` 对上述得到的二值化图像执行轮廓提取： ```cpp std::vector<std::vector<cv::Point>> contours; std::vector<cv::Vec4i> hierarchy; cv::findContours(binaryImage, contours, hierarchy, cv::RETR_TREE, cv::CHAIN_APPROX_SIMPLE); ``` 这里选择了两种参数配置： - `cv::RETR_TREE`: 构建完整的层次结构树。 - `cv::CHAIN_APPROX_SIMPLE`: 压缩水平、垂直和对角线方向上的冗余点，只保留端点坐标。 #### 4. 绘制轮廓 最后一步是在原图上绘制找到的所有轮廓： ```cpp cv::Mat contourOutput = cv::Mat::zeros(src.size(), CV_8UC3); for(size_t i=0; i<contours.size(); ++i){ cv::Scalar color(rand()&255, rand()&255, rand()&255); drawContours(contourOutput, contours, static_cast<int>(i), color, 2, cv::LINE_8, hierarchy, 0); } imshow("Detected Contours", contourOutput); waitKey(0); ``` 这段代码会随机给每个轮廓分配一种颜色，并以不同厚度显示出来[^4]。