叶片轮廓提取代码

1. 提取连续区域

介绍： 在物体检测和识别程序中，第一步通常是生成二值图像，找到感兴趣物体所在的位置，下一步就是从由1和0的像素集合中提取物体。

例子代码：

#include

效果图

2. 计算区域的形状描述子

实现原理： - 在表示和定位图像中区域的方法，边界框可能是最简洁的，它定义是能完全包含该形状的最小垂直矩形，比较边界框的高度和宽度，可以获得物体在垂直和水平方向的特征（例如可以通过计算高度和宽度的比例，分辨出一幅图像是汽车还是行人），最小覆盖圆通常在只需要区域尺寸和位置的近似值时使用。 - 如果需更加紧凑地表示区域的形状，可采用多边形逼近，在创建时要制定精确度参数，表示形状与对应的简化多边形之间能接受的最大距离。它是 approxPolyDP 函数的第四个参数，返回结果是 Point 类型向量，表示多边形的顶点个数，在画这个多边形时，要迭代遍历整个向量，并在顶点之间画直线，把它们逐个连接起来。 - 形状的凸包是包含该形状的最小凸边形，可以把它看作一条绕在区域周围的橡皮筋。 - 轮廓矩是形状结构分析中常用的数学模型，它表示物体形状的紧凑程度，常用于特征识别，可以用该结构来获得每个区域的重心。

例子代码：

#include

效果图

3. 四边形检测

介绍： MSER 特征是一种高效的从图像中提取形状工具，下面的例子是检测建筑物的窗户。

例子代码：

#include

效果图

4. 综合例子

实现过程： - 提取图像边缘 - 发现轮廓 - 计算每个轮廓对象的矩 - 计算每个对象的中心、弧长和面积

例子代码：

#include

效果图

5. 补充

要检测矩形只需要测量相邻的夹角，并且排除夹角与90度相差很大的四边形即可。

计算其它结构化属性的函数： - minAreaRect - 计算最小覆盖自由度矩形 - contourArea - 估算轮廓的面积（内部的像素数量） - pointPolygonTest - 判断一个点在轮廓的内部还是外部 - matchShapes - 度量两个轮廓之间的相似度。

所有这些度量属性的方法可以有效地结合起来，用于更高级的结构分析

---

欢迎关注我的微信公众号“OpenCV图像处理算法”，主要是记录自己学习图像处理算法的历程，包括特征提取、目标跟踪、定位、机器学习和深度学习，每一个例子都会提供源码和例子所用的资料，欢迎同行的同学关注我和我一起虚度光阴吧！！！