一.图像识别API

1.图像识别作用

        它常用于视觉任务、目标检测、图像分割等等。在 OPENCV 中通常使用 Canny
函数、findContours 函数、drawContours 函数结合在一起去做轮廓的形检测。

2.常用的API 

• findContours 函数：用于寻找图片的轮廓，并把所有的数据存储在向量里面                    

        CV_EXPORTS_W void findContours( InputOutputArray image, OutputArrayOfArrays contours,OutputArray hierarchy, int mode,int method, Point offset = Point());

第一个参数：image 输入的二值图像，这个图像通常是用在边缘检测、阈值处理等等
第二个参数：contours 输出的轮廓集合，每一个轮廓都是由点组成，通常用vector<vector<Point>>来表示

第三个参数：hierarchy 输出的轮廓层次结构，这通常表示轮廓之间的父子关系，这个是可选参数，通常用 vector<Vec4i> hierarchy来表示。比方说，第 i 个轮廓，hierarchy[i][0]、hierarchy[i][1]、hierarchy[i][2]、hierarchy[i][3], 依次为第 i 个轮廓[Next、Pervious、First_Child，Parent], 这表示的是相同等级下的下一轮廓、前一轮廓，第一个子轮廓和父轮廓的索引号。若轮廓 i 没有下一个，前一个或者父级轮廓，则层次相应的元素是负数。如下图：

第四个参数：mode 轮廓检索模式，通常有以下选项，分别是：RETR_EXTERNAL(只检测最外层轮廓)、RETR_LIST(检测所有轮廓，包括内围、外围轮廓，但都是同等级的)、RETR_CCOMP(检测所有轮廓，但是所有的轮廓只建立两个等级关系，一个外层，一个内层(不管内层有多少个，都属于内层))、RETR_TREE(检测所有轮廓并建立轮廓树，这个模式下外围轮廓包含内层轮廓，内层还可以继续嵌套)。

第 五 个 参 数 ： method 轮 廓 近 似 方 法 ， 通 常 有 以 下 的 几 种 方 法 ， 分 别 是 CHAIN_APPROX_NONE( 存 储 所 有 顶 点 ) 、CHAIN_APPROX_SIMPLE(仅存储轮廓的拐点信息，并把所有轮廓拐点处的点保存到向量里面)、CHAIN_APPROX_TC89_L1(使用TEH_CHAIN 近似算法)。
第六个参数：offset 轮廓点偏移量，默认(0,0)

• drawContours 函数：用于绘制图像的轮廓，配合findContours 函数使用，用findContours 函数获取轮廓，用drawContours 函数画轮廓。

         CV_EXPORTS_W void drawContours( InputOutputArray image, InputArrayOfArrays contours,int contourIdx, const Scalar& color,int thickness = 1, int lineType = LINE_8,InputArray hierarchy = noArray(),int maxLevel = INT_MAX, Point offset = Point() );

第一个参数：image 输出图像，即绘制轮廓后的图像
第二个参数：contours 轮廓的集合，它是由一系列的点组成
第三个参数：contourIdx、轮廓索引数组，指定要绘制哪些轮廓
第四个参数：contourColor，轮廓颜色，使用 Scalar 类型表示
第五个参数：thickness，轮廓线宽，默认 1
第六个参数：lineType ，轮廓线类型，默认为 LINE_8

第七个参数：hierarchy ，轮廓层次结构，用于绘制轮廓的父子关系。默认为 noArray()
第八个参数：maxLevel ，表示绘制轮廓的最大层级数量。若 maxLevel 为 0，则只绘制指定的轮廓；若 maxLevel 为 1，则绘制轮廓极其所有嵌套轮廓；若 maxLevel 为 2，则绘制轮廓、所有嵌套轮廓、所有嵌套到嵌套的轮廓。
第九个参数：轮廓点的偏移量，默认为(0,0) 

• Canny 函数：用于边缘检测计算。效果如下：

         工作原理：就是一系类数学处理方法。高斯滤波(将图像转换为灰度图像，高斯滤波作用是平滑图像，让 Canny 检测的时候准确率更高)、梯度强度和方向的计算(计算图像中每个像素的强度和方向、强度表示像素点的边缘强度、梯度表示的是边缘方向这里的梯度需要用到 sobel 因子)、非极大抑制(经过 NMS 操作后，会除去一些不是边缘的像素点)、双阈值处理(给出一个阈值，若超过这个阈值的边缘则会被保留)、边缘链接(经过双阈值处理过后，强边缘则会留下来，弱边缘则会被抑制，并会把所有的强边缘全部连接起来)。

         工作原理白话文：把3通道图片(也就是彩色图片)转化成双通道图片(也就是灰色图像)，然后用高斯滤波去除细小杂物让它更好识别轮廓；梯度强度和方向的计算，就是不同程度扫描轮廓，扫描很多轮廓；非极大抑制，去除边边角角不是边缘的像素点；双阈值处理，就是在之前扫描不同程度轮廓上设置两个阈值（Max,Min），大于Max值被认为是轮廓保留下来，小于Min被认为不是轮廓去除掉，在两值中间的是边缘保留，不是去掉；边缘链接，就是一个完整轮廓。

        CV_EXPORTS_W void Canny( InputArray image, OutputArray edges,double threshold1, double threshold2,int apertureSize = 3, bool L2gradient = false ); 

第一个参数：image 输入的图像，这个图像一定要单通道灰度图
第二个参数：edges 输出的边缘图像，这个图像也必须是单通道黑白图
第三个参数：threshold1 第一个滞后性阈值，低阈值，小于低阈值则认为是弱边缘，就是需要抛弃的边缘。
第四个参数：threshold2 第二个滞后性阈值，高阈值，大于高阈值被认为强边缘，需要保留的边缘
第五个参数：apertureSize 指的是 Sobel 算子大小，这个值默认为 3，代表的是 3*3 的矩阵大小。
第六个参数：L2gradient 是计算图像梯度幅度值的情况，这个值默认为 False；若选择 True，则使用更精确的 L2 范数进行计算

二. 代码实战扫描物体轮廓

1.扫描轮廓步骤

        分别是 imread 读取图片(这个图片默认是 3 通道)、利用 cvtColor 把 8VU3 的三通道图片转换成灰度图(8VU1)、调用 Canny 对灰度图像进行边缘检测、调用 findContours 去查找轮廓、循环轮廓数量然后调用 drawContours 进行画框操作。

2.代码

#include <opencv2/opencv.hpp>
#include <opencv2/dnn.hpp>
#include <opencv2/imgcodecs.hpp>
#include <opencv2/imgproc.hpp>
#include <iostream>

using namespace cv;
using namespace std;

int main()
{
    //读取图片
    Mat img = imread("zjl.jpg");

    //彩色图片转化灰度图片
    Mat imgGray;
    cvtColor(img, imgGray, COLOR_RGB2GRAY);

    //灰度图片边缘检测轮廓
    Mat imgCanny;
    Canny(imgGray, imgCanny, 25, 75); //Canny对图像进行边缘检测，弱阈值25，强阈值75

    //查询轮廓
    vector<vector<Point>> contours; //定义轮廓
    vector<Vec4i> hierarchy; //定义层次结构
    findContours(imgCanny, contours, hierarchy, RETR_EXTERNAL, CHAIN_APPROX_NONE); //查询轮廓，RETR_EXTERNAL表示只检测外部轮廓，CHAIN_APPROX_NONE表示存储所有的轮廓点

    //绘制轮廓
    Mat drawing = Mat::zeros(imgCanny.size(), CV_8UC3);//创建一个空白图像，用于绘制轮廓
    for (int i = 0; i < contours.size(); i++)   //遍历所有轮廓
    {
        Scalar color = Scalar(255, 255, 0); //随机生成颜色
        drawContours(drawing, contours, i, color, 1, 8, hierarchy); //对图像轮廓进行画框
    }

    //显示图像
    imwrite("zjl1.jpg", drawing);
  
    return 0;
}

3.效果