OpenCV竟然可以这样学！成神之路终将不远（二十一）
Posted 满目星辰wwq
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了OpenCV竟然可以这样学！成神之路终将不远（二十一）相关的知识，希望对你有一定的参考价值。
目录
21 轮廓分层
这次我们学习轮廓的层次，即轮廓中的父子关系。
21.1 理论
在前几篇关于轮廓的文章中，我们已经讨论了与OpenCV提供的轮廓相关的几个函数。但是当我们使用cv.findcontour()函数在图像中找到轮廓时，我们已经传递了一个参数，轮廓检索模式。我们通常通过了cv.RETR_LIST或cv.RETR_TREE，效果很好。但这到底意味着什么呢?
另外，在输出中，我们得到了三个数组，第一个是图像，第二个是轮廓，还有一个我们命名为hierarchy的输出(请检查前面文章中的代码)。但我们从未在任何地方使用过这种层次结构。那么这个层级是什么?它是用来做什么的?它与前面提到的函数参数有什么关系?
这就是我们在本文中要讨论的内容。
21.1.1 层次结构是什么？
通常我们使用cv.findcontour()函数来检测图像中的对象，对吧？有时对象在不同的位置。但在某些情况下，某些形状在其他形状中。就像嵌套的图形一样。在这种情况下，我们把外部的称为父类，把内部的称为子类。这样，图像中的轮廓就有了一定的相互关系。我们可以指定一个轮廓是如何相互连接的，比如，它是另一个轮廓的子轮廓，还是父轮廓等等。这种关系的表示称为层次结构。
下面是一个例子:
在这张图中，有一些形状我已经从0-5开始编号。2和2a表示最外层盒子的外部和内部轮
廓。
这里，等高线0，1，2在外部或最外面。我们可以说，它们在层级0中，或者简单地说，它们
在同一个层级中。
其次是contour2a。它可以被认为是contour2的子级(或者反过来，contour-2是contour-2a
的父级)。假设它在层级1中。类似地，contour3是contour2的子级，它位于下一个层次结构
中。最后，轮廓4，5是contour3a的子级，他们在最后一个层级。从对方框的编号来看，我认为
contour4是contour3a的第一个子级(它也可以是contour5)。
我提到这些是为了理解一些术语，比如相同层级，外部轮廓，子轮廓，父轮廓，第一个子轮廓等等。现在让我们进入OpenCV。
21.1.2 OpenCV中的分级表示
所以每个轮廓都有它自己的信息关于它是什么层次，谁是它的孩子，谁是它的父母等等。OpenCV将它表示为一个包含四个值的数组: [Next，Previous，First_Child，Parent]
“Next表示同一层次的下一个轮廓。”
例如，在我们的图片中取contour0。谁是下一个同级别的等高线?这是contour1。简单地令Next=1 。类似地，Contour1也是contour2。所以Next = 2 。 contour2呢?同一水平线上没有下一条等高线。简单地，让Next = -1 。contour4呢?它与contour-5处于同一级别。它的下一条等高线是contour5，所以next = 5 。
“Previous表示同一层次上的先前轮廓。”
和上面一样。contour1之前的等值线为同级别的contour0。类似地，contour2也是contour1。
对于contour0，没有前项，所以设为-1。
“First_Child表示它的第一个子轮廓。”
没有必要作任何解释。对于contour2，child是contour2a。从而得到contour2a对应的指标值。contour3a呢?它有两个孩子。但我们只关注第一个孩子。它是contour4。那么First_Child = 4对contour3a而言。
“Parent表示其父轮廓的索引。”
它与First_Child相反。对于轮廓线4和轮廓线5，父轮廓线都是轮廓线3a。对于轮廓3a，它是
轮廓3，以此类推。
注意：如果没有子元素或父元素，则该字段被视为-1
现在我们已经了解了OpenCV中使用的层次样式，我们可以借助上面给出的相同图像来检查OpenCV中的轮廓检索模式。一些标志如 cv.RETR_LIST，cv.RETR_TREE，cv.RETR_CCOMP，cv.RETR_EXTERNAL等等的含义。
21.2 轮廓检索模式
21.2.1 RETR_LIST
这是四个标志中最简单的一个(从解释的角度来看)。它只是检索所有的轮廓，但不创建任何亲子关系。在这个规则下，父轮廓和子轮廓是平等的，他们只是轮廓。他们都属于同一层级。
这里，第3和第4项总是-1。但是很明显，下一项和上一项都有对应的值。你自己检查一下就可以了。
下面是我得到的结果，每一行是对应轮廓的层次细节。例如，第一行对应于轮廓0。下一条轮廓是轮廓1。所以Next = 1 。没有先前的轮廓，所以Previous=-1 。剩下的两个，如前所述，是-1 。
>>> hierarchy
array([[[ 1, -1, -1, -1],
[ 2, 0, -1, -1],
[ 3, 1, -1, -1],
[ 4, 2, -1, -1],
[ 5, 3, -1, -1],
[ 6, 4, -1, -1],
[ 7, 5, -1, -1],
[-1, 6, -1, -1]]])如果您没有使用任何层次结构特性，那么这是在您的代码中使用的最佳选择。
21.2.2 RETR_EXTERNAL
如果使用此标志，它只返回极端外部标志。所有孩子的轮廓都被留下了。我们可以说，根据这项规则，每个家庭只有长子得到关注。它不关心家庭的其他成员:)。
所以在我们的图像中，有多少个极端的外轮廓?在等级0级?有3个，即等值线是0 1 2，对吧?现在试着用这个标志找出等高线。这里，给每个元素的值与上面相同。并与上述结果进行了比较。以下是我得到的:
>>> hierarchy
array([[[ 1, -1, -1, -1],
[ 2, 0, -1, -1],
[-1, 1, -1, -1]]])如果只想提取外部轮廓，可以使用此标志。它在某些情况下可能有用。
21.2.3 RETR_CCOMP
此标志检索所有轮廓并将其排列为2级层次结构。物体的外部轮廓(即物体的边界)放在层次结构-1中。对象内部孔洞的轮廓(如果有)放在层次结构-2中。如果其中有任何对象，则其轮廓仅在层次结构1中重新放置。以及它在层级2中的漏洞等等。
只需考虑在黑色背景上的“白色的零”图像。零的外圆属于第一级，零的内圆属于第二级。
我们可以用一个简单的图像来解释它。这里我用红色标注了等高线的顺序和它们所属的层次，用绿色标注(1或2)，顺序与OpenCV检测等高线的顺序相同。
考虑第一个轮廓，即contour0。这是hierarchy1。它有两个孔，分别是等高线1和2，属于第二级。因此，对于轮廓0，在同一层次的下一个轮廓是轮廓3。previous也没有。在hierarchy2中，它的第一个子结点是contour1。它没有父类，因为它在hierarchy1中。所以它的层次数组是[3, -1, 1, -1]。
现在contour1。它在层级2中。相同层次结构中的下一个(在contour1的父母关系下)是
contour2。没有previous。没有child ，但是parent是contour0。所以数组是[2，-1，-1,0]
类似的contour2：它在hierarchy2中。在contour0下，同一层次结构中没有下一个轮廓。所以没有Next 。previous 是contour1。没有child ， parent 是contour0。所以数组是[-1, 1, -1, 0]
contour3：层次1的下一个是轮廓5。以前是contour0。child 是contour4，没有parent 。所以数组是[5, 0, 4, -1]
contour4：它在contour3下的层次结构2中，它没有兄弟姐妹。没有next ，没有previous ，没有
child，parent是contour3。所以数组是[-1, -1, -1, 3]
剩下的你可以补充。这是我得到的最终答案：
>>> hierarchy
array([[[ 3, -1, 1, -1],
[ 2, -1, -1, 0],
[-1, 1, -1, 0],
[ 5, 0, 4, -1],
[-1, -1, -1, 3],
[ 7, 3, 6, -1],
[-1, -1, -1, 5],
[ 8, 5, -1, -1],
[-1, 7, -1, -1]]])21.2.4 RETR_TREE
这是最后一个家伙，完美先生。它检索所有的轮廓并创建一个完整的家族层次结构列表。它甚至告诉，谁是爷爷，父亲，儿子，孙子，甚至更多…:)。
例如，我拿上面的图片，重写了cv的代码。RETR_TREE，根据OpenCV给出的结果重新排序等高线并进行分析。同样，红色的字母表示轮廓数，绿色的字母表示层次顺序。
取contour0：它在hierarchy0 中。同一层次结构的next轮廓是轮廓7。没有previous的轮
廓。child是contour1，没有parent。所以数组是[7, -1, 1, -1]
以contour2 为例：它在hierarchy1中。没有轮廓在同一水平。没有previous 。child 是
contour3 。父母是contour1 。所以数组是[-1, -1, 3, 1]
剩下的，你自己试试。以下是完整答案:
>>> hierarchy
array([[[ 7, -1, 1, -1],
[-1, -1, 2, 0],
[-1, -1, 3, 1],
[-1, -1, 4, 2],
[-1, -1, 5, 3],
[ 6, -1, -1, 4],
[-1, 5, -1, 4],
[ 8, 0, -1, -1],
[-1, 7, -1, -1]]])
欢迎评论区留言，一起探讨OpenCV成神之路的奥秘。
顺便给我加个关注，点个赞，加个收藏，让我们一起登上神坛。
以上是关于OpenCV竟然可以这样学！成神之路终将不远（二十一）的主要内容，如果未能解决你的问题，请参考以下文章