若该文为原创文章，未经允许不得转载
原博主博客地址：https://blog.csdn.net/qq21497936
原博主博客导航：https://blog.csdn.net/qq21497936/article/details/102478062
本文章博客地址：https://blog.csdn.net/qq21497936/article/details/106180872
各位读者，知识无穷而人力有穷，要么改需求，要么找专业人士，要么自己研究
红胖子(红模仿)的博文大全：开发技术集合（包含Qt实用技术、树莓派、三维、OpenCV、OpenGL、ffmpeg、OSG、单片机、软硬结合等等）持续更新中…（点击传送门）

OpenCV开发专栏（点击传送门）

上一篇：《OpenCV开发笔记（五十五）：红胖子8分钟带你深入了解Haar、LBP特征以及级联分类器识别过程（图文并茂+浅显易懂+程序源码）》
下一篇：《OpenCV开发笔记（五十七）：红胖子8分钟带你深入了解直方图反向投影（图文并茂+浅显易懂+程序源码）》

前言

  红胖子，来也！
  识别目标，可以通过图形拟合，将目标提取出来。

Demo

寻找轮廓

  参考博文《OpenCV开发笔记（四十九）：红胖子8分钟带你深入了解轮廓识别（图文并茂+浅显易懂+程序源码）》

寻找轮廓凸包

  参考博文《OpenCV开发笔记（五十）：红胖子8分钟带你深入了解轮廓凸包（图文并茂+浅显易懂+程序源码）》

对轮廓凸包进行多图形拟合

概述

  寻找轮廓之后，openCV提供了对输入点集合进行多种图形进行拟合的方法，基本都是输入之前寻找凸包后再进行操作，当然也可以直接对了轮廓进行操作。
  识别不同的目标物体，根据形状可以剔除，还可以做很多其他的操作，比如车牌识别，提取车牌号码，那么直接可以拿到每个车牌字符的矩形，直接对矩形进行roi，然后在进行下一步的识别操作（补充：这部分可以拿到坐标后，自己写算法也是一样，看个人习惯）。

返回包围的矩形函数原型

  （返回的是水平的矩形）

Rect boundingRect( InputArray points ); 

• 参数一：InputArray类型的points，二维点（轮廓顶点）的轮廓输入向量，存储在std::vector或Mat中；

返回包围的最小面积矩形函数原型

（最小面积则其返回的矩形基本都是旋转的，注意返回的类型）

RotatedRect minAreaRect( InputArray points ); 

• 参数一：InputArray类型的points，二维点（轮廓顶点）的轮廓输入向量，存储在std::vector或Mat中；

返回包围的圆形函数原型

void minEnclosingCircle( InputArray points,                          Point2f& center,                          float& radius ); 

• 参数一：InputArray类型的points，二维点（轮廓顶点）的轮廓输入向量，存储在std::vector或Mat中；
• 参数二：Point2f类型的center，返回圆形的中心点；
• 参数三：float类型的radius，返回圆形的半径；

返回包围的最小椭圆函数原型

  （注意：至少需要输入6个点）

RotatedRect fitEllipse( InputArray points ); 

• 参数一：InputArray类型的points，二维点（轮廓顶点）的轮廓输入向量，存储在std::vector或Mat中（至少要6个点）；
    返回提取四个点的代码：

cv::RotatedRect rotateRect = cv::minAreaRect(hullPoints); cv::Point2f vertex[4]; rotateRect.points(vertex); 

返回包围的多边形拟合函数原型

void approxPolyDP( InputArray curve,                    OutputArray approxCurve,                    double epsilon,                    bool closed ); 

• 参数一：InputArray类型的curve，二维点（轮廓顶点）的轮廓输入向量，存储在std::vector或Mat中；
• 参数二：OutputArray类型的approxCurve；输出多边形结果std::vector<cv::Point2f>；
• 参数三：double类型的epsilon，指定近似精度。这是最大距离；
• 参数四：bool类型的closed，如果为真，则近似曲线是闭合的（其第一个顶点和最后一个顶点是已连接）。否则，它不会关闭。

返回包围的最小三角形函数原型

double minEnclosingTriangle( InputArray points, OutputArray triangle ); 

• 参数一：InputArray类型的points，二维点（轮廓顶点）的轮廓输入向量，存储在std::vector或Mat中；
• 参数二：OutputArray类型triangle，返回三角形；

Demo源码

void OpenCVManager::testFitting() {     QString fileName1 =             "E:/qtProject/openCVDemo/openCVDemo/modules/openCVManager/images/10.jpg";     cv::Mat srcMat = cv::imread(fileName1.toStdString());     cv::Mat dstMat;     int width = 400;     int height = 300;      cv::resize(srcMat, srcMat, cv::Size(width, height));      cv::String windowName = _windowTitle.toStdString();     cvui::init(windowName);      cv::Mat windowMat = cv::Mat(cv::Size(srcMat.cols * 3,                                          srcMat.rows * 4),                                 srcMat.type());     int sigmaS = 100;     int sigmaR = 1.0;      int thresh = 232;     int maxval = 255;      while(true)     {         // 刷新全图黑色         windowMat = cv::Scalar(0, 0, 0);          // 原图复制         cv::Mat mat = windowMat(cv::Range(srcMat.rows * 0, srcMat.rows * 1),                                 cv::Range(srcMat.cols * 0, srcMat.cols * 1));         cv::addWeighted(mat, 0.0f, srcMat, 1.0f, 0.0f, mat);          cv::Mat tempMat;         {             {                 cvui::printf(windowMat, 75 + width * 1, 40 + height * 0, "sigmaS");                 cvui::trackbar(windowMat, 75 + width * 1, 50 + height * 0, 165, &sigmaS, 101, 10000);                 cvui::printf(windowMat, 75 + width * 1, 90 + height * 0, "sigmaR");                 cvui::trackbar(windowMat, 75 + width * 1, 100, 165 + height * 0, &sigmaR, 1, 100);                  // 使用自适应流形应用高维滤波。                 cv::Ptr<cv::ximgproc::AdaptiveManifoldFilter> pAdaptiveManifoldFilter                         = cv::ximgproc::createAMFilter(sigmaS/100.0f, sigmaR/100.0f, true);                 pAdaptiveManifoldFilter->filter(srcMat, tempMat);                 // 效果图copy                 mat = windowMat(cv::Range(srcMat.rows * 1, srcMat.rows * 2),                                 cv::Range(srcMat.cols * 0, srcMat.cols * 1));                 cv::addWeighted(mat, 0.0f, tempMat, 1.0f, 0.0f, mat);             }              //  转为灰度图像             cv::cvtColor(tempMat, tempMat, cv::COLOR_BGR2GRAY);              // 车牌时，对灰度图取反操作 //            tempMat = ~tempMat;              {                 // 调整阈值化的参数thresh                 cvui::printf(windowMat, 75 + width * 1, 20 + height * 1, "thresh");                 cvui::trackbar(windowMat, 75 + width * 1, 40 + height * 1, 165, &thresh, 0, 255);                 // 调整阈值化的参数maxval                 cvui::printf(windowMat, 75 + width * 1, 80 + height * 1, "maxval");                 cvui::trackbar(windowMat, 75 + width * 1, 100 + height * 1, 165, &maxval, 0, 255);                  // 阈值化，注意：此处使用了THRESH_BINARY_INV，白色是255，255，255所以反转阈值化                 cv::threshold(tempMat, tempMat, thresh, maxval, cv::THRESH_BINARY_INV);                 // 效果图copy                 mat = windowMat(cv::Range(srcMat.rows * 0, srcMat.rows * 1),                                 cv::Range(srcMat.cols * 2, srcMat.cols * 3));                  //  转换图像                 cv::Mat grayMat;                 cv::cvtColor(tempMat, grayMat, cv::COLOR_GRAY2BGR);                 cv::addWeighted(mat, 0.0f, grayMat, 1.0f, 0.0f, mat);             }              // 寻找轮廓             {                 std::vector<std::vector<cv::Point>> contours;                 std::vector<cv::Vec4i> hierarchy;                 // 查找轮廓：RETR_EXTERNAL-最外层轮廓                 cv::findContours(tempMat, contours, hierarchy, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_SIMPLE);                 // 遍历所有顶层轮廓，并绘制出来                 dstMat = srcMat.clone();                 cv::Mat emptyMat = srcMat.clone();                 emptyMat = cv::Scalar(0,0,0);                  // 拟合矩形框                 cv::Mat fittingRectMat = srcMat.clone();                 cv::Mat fittingMinAreaRectMat = srcMat.clone();                 cv::Mat fittingMinAreaCircleMat = srcMat.clone();                 cv::Mat fittingEllipseMat = srcMat.clone();                 cv::Mat fittingPolyMat = srcMat.clone();                  // 轮廓contours[i]对应4个hierarchy元素hierarchy[i][0]~ hierarchy[i][3]，                 // hierarchy[i][0]表示后一个轮廓的索引编号                 // hierarchy[i][1]前一个轮廓的索引编号                 // hierarchy[i][2]父轮廓的索引编号                 // hierarchy[i][3]内嵌轮廓的索引编号                 for(int index = 0; index >=0; index = hierarchy[index][0])                 {                      if(hierarchy.size() <= 0)                     {                         break;                     }                     cv::Scalar color;                     if(index < hierarchy.size() / 3)                     {                         color = cv::Scalar(250 / (hierarchy.size() / 3) * index, 125, 255);                     }else if(index < hierarchy.size() / 3 * 2)                     {                         color = cv::Scalar(255, 250 / (hierarchy.size() / 3) * (index - hierarchy.size() / 3), 125);                     }else                     {                         color = cv::Scalar(125, 255, 250 / (hierarchy.size() / 3 == 0 ? 1 :                                                                                hierarchy.size() / 3) * (index - hierarchy.size() / 3 * 2));                     }                     // 绘制轮廓里面的第几个                     cv::drawContours(emptyMat, contours, index, color, CV_FILLED, 8, hierarchy);                      // 寻找最大凸包                     std::vector<cv::Point> hullPoints;                     std::vector<int> hullIndex;                     cv::convexHull(contours[index], hullPoints, false, true);                     cv::convexHull(contours[index], hullIndex, false, false);                     // 绘制凸包包围线                     for(int index2 = 1; index2 < hullPoints.size(); index2++)                     {                         cv::line(mat, hullPoints.at(index2 - 1), hullPoints.at(index2), cv::Scalar(0, 0, 0), 2);                         cv::line(dstMat, hullPoints.at(index2 - 1), hullPoints.at(index2), cv::Scalar(0, 0, 0), 2);                     }                     qDebug() << __FILE__ << __LINE__ << "index =" << index << "total =" << hierarchy.size();                       // 使用形状拟合                     // 使用外部包围矩形                     {                         cv::Rect rect = cv::boundingRect(hullPoints);                         cv::rectangle(fittingRectMat, rect, cv::Scalar(0, 255, 0), 2);                     }                     // 使用外部最小包围矩形                     {                         cv::RotatedRect rotateRect = cv::minAreaRect(hullPoints);                         cv::Point2f vertex[4];                         rotateRect.points(vertex);                         for(int index = 0; index < 4; index++)                         {                             cv::line(fittingMinAreaRectMat, vertex[index % 4], vertex[(index + 1) % 4], cv::Scalar(255, 0, 0), 2);                         }                     }                     // 使用外部包围圆形（圆形就是最小了，不存在形变）                     {                         cv::Point2f center;                         float radius;                         cv::minEnclosingCircle(hullPoints, center, radius);                         cv::circle(fittingMinAreaCircleMat, center, radius, cv::Scalar(0, 0, 0), 2);                     }                     // 使用外部椭圆拟合：至少要6个点                     {                         qDebug() << __FILE__ << __LINE__ << hullPoints.size();                         if(hullPoints.size() >= 6)                         {                             cv::RotatedRect rotateRect = cv::fitEllipse(hullPoints);                             cv::ellipse(fittingEllipseMat, rotateRect, cv::Scalar(0, 0, 0), 2);                         }                     }                     // 使用多边形拟合                     {                         std::vector<cv::Point> polyPoints;                         cv::approxPolyDP(hullPoints, polyPoints, 3, true);                         std::vector<std::vector<cv::Point>> contour;                         contour.push_back(polyPoints);                         cv::drawContours(fittingPolyMat, contour, 0, cv::Scalar(0, 0, 0), 2);                     }                 }                  // 效果图copy：轮廓图                 mat = windowMat(cv::Range(srcMat.rows * 1, srcMat.rows * 2),                                 cv::Range(srcMat.cols * 2, srcMat.cols * 3));                 cv::addWeighted(mat, 0.0f, emptyMat, 1.0f, 0.0f, mat);                 // 效果图copy：对已知轮廓进行最大凸包检测                 mat = windowMat(cv::Range(srcMat.rows * 2, srcMat.rows * 3),                                 cv::Range(srcMat.cols * 0, srcMat.cols * 1));                 cv::addWeighted(mat, 0.0f, dstMat, 1.0f, 0.0f, mat);                 // 效果图copy：黑色图拟合矩形                 mat = windowMat(cv::Range(srcMat.rows * 2, srcMat.rows * 3),                                 cv::Range(srcMat.cols * 1, srcMat.cols * 2));                 cv::addWeighted(mat, 0.0f, fittingRectMat, 1.0f, 0.0f, mat);                 // 效果图copy：原图拟合矩形                 mat = windowMat(cv::Range(srcMat.rows * 2, srcMat.rows * 3),                                 cv::Range(srcMat.cols * 1, srcMat.cols * 2));                 cv::addWeighted(mat, 0.0f, fittingRectMat, 1.0f, 0.0f, mat);                 // 效果图copy：原图拟合最小矩形                 mat = windowMat(cv::Range(srcMat.rows * 2, srcMat.rows * 3),                                 cv::Range(srcMat.cols * 2, srcMat.cols * 3));                 cv::addWeighted(mat, 0.0f, fittingMinAreaRectMat, 1.0f, 0.0f, mat);                  // 效果图copy：原图拟合最小圆形                 mat = windowMat(cv::Range(srcMat.rows * 3, srcMat.rows * 4),                                 cv::Range(srcMat.cols * 0, srcMat.cols * 1));                 cv::addWeighted(mat, 0.0f, fittingMinAreaCircleMat, 1.0f, 0.0f, mat);                  // 效果图copy：原图拟合最小椭圆                 mat = windowMat(cv::Range(srcMat.rows * 3, srcMat.rows * 4),                                 cv::Range(srcMat.cols * 1, srcMat.cols * 2));                 cv::addWeighted(mat, 0.0f, fittingEllipseMat, 1.0f, 0.0f, mat);                  // 效果图copy：原图拟合多边形                 mat = windowMat(cv::Range(srcMat.rows * 3, srcMat.rows * 4),                                 cv::Range(srcMat.cols * 2, srcMat.cols * 3));                 cv::addWeighted(mat, 0.0f, fittingPolyMat, 1.0f, 0.0f, mat);             }         }          // 更新         cvui::update();         // 显示         cv::imshow(windowName, windowMat);         // esc键退出         if(cv::waitKey(25) == 27)         {             break;         }     } } 

工程模板：对应版本号v1.50.0

   对应版本号v1.50.0

上一篇：《OpenCV开发笔记（五十五）：红胖子8分钟带你深入了解Haar、LBP特征以及级联分类器识别过程（图文并茂+浅显易懂+程序源码）》
下一篇：《OpenCV开发笔记（五十七）：红胖子8分钟带你深入了解直方图反向投影（图文并茂+浅显易懂+程序源码）》

原博主博客地址：https://blog.csdn.net/qq21497936
原博主博客导航：https://blog.csdn.net/qq21497936/article/details/102478062
本文章博客地址：https://blog.csdn.net/qq21497936/article/details/106180872