opencv轮廓处理函数详细

ApproxChains

用多边形曲线逼近 Freeman 链

CvSeq* cvApproxChains( CvSeq* src_seq, CvMemStorage* storage,                         int method=CV_CHAIN_APPROX_SIMPLE,                         double parameter=0, int minimal_perimeter=0, int recursive=0 );

src_seq: 涉及其它链的链指针
storage: 存储多边形线段位置的缓存
method: 逼近方法 (见函数 cvFindContours的描述).
parameter: 方法参数(现在不用).
minimal_perimeter: 仅逼近周长大于 minimal_perimeter 轮廓。其它的链从结果中除去。
recursive: 如果非 0, 函数从 src_seq 中利用 h_next 和 v_next links连接逼近所有可访问的链。如果为 0, 则仅逼近单链。

这是一个单独的逼近程序。对同样的逼近标识，函数 cvApproxChains 与 cvFindContours 的工作方式一模一样。它返回发现的第一个轮廓的指针。其它的逼近模块，可以用返回结构中的 v_next 和 v_next 域来访问

StartReadChainPoints

初始化链读取

void cvStartReadChainPoints( CvChain* chain, CvChainPtReader* reader );

chain

链的指针

reader

链的读取状态

函数 cvStartReadChainPoints 初始化一个特殊的读取器 (参考 Dynamic Data Structures以获得关于集合与序列的更多内容).

ReadChainPoint

得到下一个链的点

CvPoint cvReadChainPoint( CvChainPtReader* reader );

reader: 链的读取状态

函数 cvReadChainPoint返回当前链的点，并且更新读取位置。

ApproxPoly

用指定精度逼近多边形曲线

CvSeq* cvApproxPoly( const void* src_seq, int header_size, CvMemStorage* storage,                       int method, double parameter, int parameter2=0 );

src_seq: 点集数组序列
header_size: 逼近曲线的头尺寸
storage: 逼近轮廓的容器。如果为 NULL，则使用输入的序列
method: 逼近方法。目前仅支持 CV_POLY_APPROX_DP，对应 Douglas-Peucker 算法.
parameter: 方法相关参数。对 CV_POLY_APPROX_DP它是指定的逼近精度
parameter2: 如果 src_seq 是序列，它表示要么逼近单个序列，要么在 src_seq 的同一个或低级层次上逼近所有序列 (参考 cvFindContours 中对轮廓继承结构的描述). 如果 src_seq 是点集的数组 (CvMat*) ，参数指定曲线是闭合 (parameter2!=0) 还是非闭合 (parameter2=0).

函数 cvApproxPoly逼近一个或多个曲线，并返回逼近结果。对多个曲线的逼近，生成的树将与输入的具有同样的结构。(1:1 的对应关系).

BoundingRect

计算点集的最外面（up-right）矩形边界

CvRect cvBoundingRect( CvArr* points, int update=0 );

points

二维点集，点的序列或向量 (CvMat)

update

更新标识。下面是轮廓类型和标识的一些可能组合:

update=0, contour ~ CvContour*: 不计算矩形边界，但直接由轮廓头的 rect域得到。
update=1, contour ~ CvContour*: 计算矩形边界，而且将结果写入到轮廓头的 rect域中 header.
update=0, contour ~ CvSeq* or CvMat*: 计算并返回边界矩形
update=1, contour ~ CvSeq* or CvMat*: 产生运行错误（runtime error is raised）

函数 cvBoundingRect返回二维点集的最外面（up-right）矩形边界。

ContourArea

计算整个轮廓或部分轮廓的面积

double cvContourArea( const CvArr* contour, CvSlice slice=CV_WHOLE_SEQ );

contour: 轮廓 (定点的序列或数组).
slice: 感兴趣轮廓部分的起始点，缺省是计算整个轮廓的面积。

函数 cvContourArea计算整个轮廓或部分轮廓的面积。对后面的情况，面积表示轮廓部分和起始点连线构成的封闭部分的面积。如下图所示：

NOTE: 轮廓的方向影响面积的符号。因此函数也许会返回负的结果。应用函数 fabs()得到面积的绝对值。

ArcLength

计算轮廓周长或曲线长度

double cvArcLength( const void* curve, CvSlice slice=CV_WHOLE_SEQ, int is_closed=-1 );

curve

曲线点集序列或数组

slice

曲线的起始点，缺省是计算整个曲线的长度

is_closed

表示曲线是否闭合，有三种情况：

is_closed=0 - 假设曲线不闭合
is_closed>0 - 假设曲线闭合
is_closed<0 - 若曲线是序列，检查 ((CvSeq*)curve)->flags 中的标识 CV_SEQ_FLAG_CLOSED 来确定曲线是否闭合。否则 (曲线由点集的数组 (CvMat*) 表示) 假设曲线不闭合。

函数 cvArcLength通过依次计算序列点之间的线段长度，并求和来得到曲线的长度。

CreateContourTree

创建轮廓的继承表示形式

CvContourTree* cvCreateContourTree( const CvSeq* contour, CvMemStorage* storage, double threshold );

contour: 输入的轮廓
storage: 输出树的容器
threshold: 逼近精度

函数 cvCreateContourTree 为输入轮廓 contour 创建一个二叉树，并返回树根的指针。如果参数 threshold 小于或等于 0 ,则函数创建一个完整的二叉树。如果 threshold 大于 0 ，函数用 threshold指定的精度创建二叉树：如果基线的截断区域顶点小于threshold，该数就停止生长并作为函数的最终结果返回。

ContourFromContourTree

由树恢复轮廓

CvSeq* cvContourFromContourTree( const CvContourTree* tree, CvMemStorage* storage,                                   CvTermCriteria criteria );

tree: 轮廓树
storage: 重构的轮廓容器
criteria: 停止重构的准则

函数 cvContourFromContourTree 从二叉树恢复轮廓。参数 criteria决定了重构的精度和使用树的数目及层次。所以它可建立逼近的轮廓。函数返回重构的轮廓。

MatchContourTrees

用树的形式比较两个轮廓

double cvMatchContourTrees( const CvContourTree* tree1, const CvContourTree* tree2,                              int method, double threshold );

tree1: 第一个轮廓树
tree2: 第二个轮廓树
method: 相似度。仅支持 CV_CONTOUR_TREES_MATCH_I1。
threshold: 相似度阈值

函数 cvMatchContourTrees 计算两个轮廓树的匹配值。从树根开始通过逐层比较来计算相似度。如果某层的相似度小于 threshold, 则中断比较过程，且返回当前的差值。

计算几何

MaxRect

对两个给定矩形，寻找矩形边界

CvRect cvMaxRect( const CvRect* rect1, const CvRect* rect2 );

rect1: 第一个矩形
rect2: 第二个矩形

函数 cvMaxRect寻找包含两个输入矩形的具有最小面积的矩形边界。

CvBox2D

旋转的二维盒子

typedef struct CvBox2D {      CvPoint2D32f center;         CvSize2D32f   size;           float angle;            } CvBox2D;

BoxPoints

寻找盒子的顶点

void cvBoxPoints( CvBox2D box, CvPoint2D32f pt[4] );

box: 盒子
pt: 顶点数组

函数 cvBoxPoints计算输入的二维盒子的定点。下面是函数代码：

void cvBoxPoints( CvBox2D box, CvPoint2D32f pt[] ) {

 float a = (float)cos(box.angle)*0.5f;

float b = (float)sin(box.angle)*0.5f;

pt[].x = box.center.x - a*box.size.height - b*box.size.width;      pt[].y = box.center.y + b*box.size.height - a*box.size.width;      pt[].x = box.center.x + a*box.size.height - b*box.size.width;      pt[].y = box.center.y - b*box.size.height - a*box.size.width;      pt[].x = *box.center.x - pt[].x;      pt[].y = *box.center.y - pt[].y;

 pt[].x = *box.center.x - pt[].x;

pt[].y = *box.center.y - pt[].y;

}

FitEllipse

二维点集的椭圆拟合

CvBox2D cvFitEllipse2( const CvArr* points );

points: 点集的序列或数组

函数 cvFitEllipse 对给定的一组二维点集作椭圆的最佳拟合(最小二乘意义上的)。返回的结构与 cvEllipse 中的意义类似，除了 size表示椭圆轴的整个长度，而不是一半长度。

FitLine

2D 或 3D 点集的直线拟合

void   cvFitLine( const CvArr* points, int dist_type, double param,                   double reps, double aeps, float* line );

points: 2D 或 3D 点集，32-比特整数或浮点数坐标
dist_type: 拟合的距离类型（见讨论）.
param: 对某些距离的数字参数，如果是 0，则选择某些最优值
reps, aeps: 半径 (坐标原点到直线的距离) 和角度的精度，一般设为0.01。
line: 输出的直线参数。2D 拟合情况下，它是包含 4 个浮点数的数组 (vx, vy, x0, y0)，其中 (vx, vy) 是线的单位向量而 (x0, y0) 是线上的某个点. 对 3D 拟合，它是包含 6 个浮点数的数组 (vx, vy, vz, x0, y0, z0)， 其中 (vx, vy, vz) 是线的单位向量，而 (x0, y0, z0)是线上某点。

函数 cvFitLine 通过求 sum_iρ(r_i) 的最小值方法，用 2D 或 3D 点集拟合直线，其中 r_i是第 i 个点到直线的距离， ρ(r) 是下面的距离函数之一：

dist_type=CV_DIST_L2 (L

₂

): ρ(r)=r

/2 (最简单和最快的最小二乘法)  dist_type=CV_DIST_L1 (L

₁

): ρ(r)=r  dist_type=CV_DIST_L12 (L

₁

-L

₂

): ρ(r)=2•[sqrt(1+r

/2) - 1]  dist_type=CV_DIST_FAIR (Fair): ρ(r)=C

•[r/C - log(1 + r/C)],   C=1.3998  dist_type=CV_DIST_WELSCH (Welsch): ρ(r)=C

/2•[1 - exp(-(r/C)

)],   C=2.9846  dist_type=CV_DIST_HUBER (Huber): ρ(r)= r

/2,    if r < C        C•(r-C/2),    otherwise;    C=1.345

ConvexHull2

发现点集的凸外形

CvSeq* cvConvexHull2( const CvArr* input, void* hull_storage=NULL,                        int orientation=CV_CLOCKWISE, int return_points=0 );

points: 2D 点集的序列或数组，32-比特整数或浮点数坐标
hull_storage: 输出的数组(CvMat*) 或内存缓存 (CvMemStorage*)，用以存储凸外形。如果是数组，则它应该是一维的，而且与输入的数组/序列具有同样数目的元素。输出时修改头使得数组裁减到外形的尺寸。输出时，通过修改头结构将数组裁减到凸外形的尺寸。
orientation: 凸外形的旋转方向: 逆时针或顺时针（CV_CLOCKWISE or CV_COUNTER_CLOCKWISE）
return_points: 如果非零，点集将以外形 (hull) 存储，而不是 hull_storage 为数组情况下的顶点形式 (indices) 以及 hull_storag为内存存储模式下的点集形式(points)。

函数 cvConvexHull2 使用 Sklansky 算法计算 2D 点集的凸外形。如果 hull_storage 是内存存储仓，函数根据 return_points 的值，创建一个包含外形的点集或指向这些点的指针的序列。

例子. 由点集序列或数组创建凸外形

#include "cv.h"

 #include "highgui.h"

 #include <stdlib.h>

  #define ARRAY   0

 void main( int argc, char** argv ) {

     IplImage* img = cvCreateImage( cvSize( ,  ), ,  );      cvNamedWindow( "hull",  );

#if !ARRAY

  CvMemStorage* storage = cvCreateMemStorage();

#endif

 for(;;)      {

  int i, count = rand() + , hullcount;

CvPoint pt0;

 #if !ARRAY

 CvSeq* ptseq = cvCreateSeq( CV_SEQ_KIND_GENERIC|CV_32SC2, sizeof(CvContour),                                       sizeof(CvPoint), storage );

CvSeq* hull;

 for( i = ; i < count; i++ )          {

 pt0.x = rand() % (img->width/) + img->width/;

  pt0.y = rand() % (img->height/) + img->height/;              cvSeqPush( ptseq, &pt0 );

}

hull = cvConvexHull2( ptseq, , CV_CLOCKWISE,  );          hullcount = hull->total;

#else

 CvPoint* points = (CvPoint*)malloc( count * sizeof(points[]));          int* hull = (int*)malloc( count * sizeof(hull[]));

CvMat point_mat = cvMat( , count, CV_32SC2, points );          CvMat hull_mat = cvMat( , count, CV_32SC1, hull );

 for( i = ; i < count; i++ )          {

            pt0.x = rand() % (img->width/) + img->width/;              pt0.y = rand() % (img->height/) + img->height/;              points[i] = pt0;

  }

 cvConvexHull2( &point_mat, &hull_mat, CV_CLOCKWISE,  );          hullcount = hull_mat.cols;

#endif          cvZero( img );

for( i = ; i < count; i++ )          {

 #if !ARRAY

 pt0 = *CV_GET_SEQ_ELEM( CvPoint, ptseq, i );

#else

pt0 = points[i];

#endif

cvCircle( img, pt0, , CV_RGB( , ,  ), CV_FILLED );

}

#if !ARRAY

 pt0 = **CV_GET_SEQ_ELEM( CvPoint*, hull, hullcount -  ); #else

 pt0 = points[hull[hullcount-]];

#endif

for( i = ; i < hullcount; i++ )          {

 #if !ARRAY

 CvPoint pt = **CV_GET_SEQ_ELEM( CvPoint*, hull, i );

 #else

CvPoint pt = points[hull[i]];

#endif

cvLine( img, pt0, pt, CV_RGB( , ,  ));

 pt0 = pt;

}

  cvShowImage( "hull", img );

 int key = cvWaitKey();

if( key ==  ) // 'ESC'

 break;

#if !ARRAY

  cvClearMemStorage( storage );

#else

free( points );

 free( hull );

#endif

}

}

CheckContourConvexity

测试轮廓的凸性

int cvCheckContourConvexity( const CvArr* contour );

contour: 被测试轮廓 (点序列或数组).

函数 cvCheckContourConvexity输入的轮廓是否为凸的。必须是简单轮廓，比如没有自交叉。

CvConvexityDefect

用来描述一个简单轮廓凸性缺陷的结构体

typedef struct CvConvexityDefect {      CvPoint* start;       CvPoint* end;       CvPoint* depth_point;       float depth;  } CvConvexityDefect;

Picture. Convexity defects of hand contour.

ConvexityDefects

发现轮廓凸形缺陷

CvSeq* cvConvexityDefects( const CvArr* contour, const CvArr* convexhull,                             CvMemStorage* storage=NULL );

contour: 输入轮廓
convexhull: 用 cvConvexHull2 得到的凸外形，它应该包含轮廓的定点或下标，而不是外形点的本身，即cvConvexHull2 中的参数 return_points应该设置为 0.
storage: 凸性缺陷的输出序列容器。如果为 NULL, 使用轮廓或外形的存储仓。

函数 cvConvexityDefects 发现输入轮廓的所有凸性缺陷，并且返回 CvConvexityDefect结构序列。

MinAreaRect2

对给定的 2D 点集，寻找最小面积的包围矩形

CvBox2D   cvMinAreaRect2( const CvArr* points, CvMemStorage* storage=NULL );

points: 点序列或点集数组
storage: 可选的临时存储仓

函数 cvMinAreaRect2通过建立凸外形并且旋转外形以寻找给定 2D 点集的最小面积的包围矩形.

Picture. Minimal-area bounding rectangle for contour

MinEnclosingCircle

对给定的 2D 点集，寻找最小面积的包围圆形

int cvMinEnclosingCircle( const CvArr* points, CvPoint2D32f* center, float* radius );

points: 点序列或点集数组
center: 输出参数：圆心
radius: 输出参数：半径

函数 cvMinEnclosingCircle对给定的 2D 点集迭代寻找最小面积的包围圆形。如果产生的圆包含所有点，返回非零。否则返回零（算法失败）。

CalcPGH

计算轮廓的 pair-wise 几何直方图

void cvCalcPGH( const CvSeq* contour, CvHistogram* hist );

contour: 输入轮廓，当前仅仅支持具有整数坐标的点集
hist: 计算出的直方图，必须是两维的。

函数 cvCalcPGH 计算轮廓的 2D pair-wise（Hunnish: 不知如何翻译，只好保留）几何直方图（pair-wise geometrical histogram ：PGH), 算法描述见 [Iivarinen97]. 算法考虑的每一对轮廓边缘。计算每一对边缘之间的夹角以及最大最小距离。具体做法是，轮流考虑每一个边缘做为基准，函数循环遍历所有边缘。在考虑基准边缘和其它边缘的时候，选择非基准线上的点到基准线上的最大和最小距离。边缘之间的角度定义了直方图的行，而在其中增加对应计算出来的最大和最小距离的所有直方块， (即直方图是 [Iivarninen97] 定义中的转置). 该直方图用来做轮廓匹配。