[人工智能]提取连续区域

图像通常包含各种物体，图像分析的目的之一就是识别和提取这些物体。在物体检测和识别程序中，第一步通常就是生成二值图像，找到感兴趣物体所处的位置。不管用什么方式获得二值图像，下一个步骤都是从由 1 和0 组成的像素集合中提取出物体。
执行一次简单的阈值化操作，然后应用形态学滤波器，就能获得这幅图像。具体来说，就是提取连续区域，即二值图像中由一批连通的像素构成的形状。

OpenCV 提供了一个简单的函数，可以提取出图像中连续区域的轮廓，这个函数就是 cv::findContours：

// 用于存储轮廓的向量
std::vector<std::vector<cv::Point>> contours; 
cv::findContours(image, 
 contours, // 存储轮廓的向量
 cv::RETR_EXTERNAL, // 检索外部轮廓
 cv::CHAIN_APPROX_NONE); // 每个轮廓的全部像素

显然，函数输入的就是上述二值图像。输出的是一个存储轮廓的向量，每个轮廓用一个cv::Point 类型的向量表示。因此输出参数是一个由 std::vector 实例构成的 std::vector实例。此外，函数还指明了两个选项，第一个选项表示只检索外部轮廓，即物体内部的空穴会被忽略；第二个选项指明了轮廓的格式。使用当前的选项，向量将列出轮廓的全部点。如使用 cv::CHAIN_APPROX_SIMPLE，则只会列出包含水平、垂直或对角线轮廓的端点。用其他选项可得到逼近轮廓的更复杂的链，对轮廓的表示将更紧凑。在前面的图像中可检测到 9 个连续区域，用 contours.szie()查看轮廓的数量。
有一个非常实用的函数可在图像（这里用白色图像）上画出那些区域的轮廓：

// 在白色图像上画黑色轮廓
cv::Mat result(image.size(),CV_8U,cv::Scalar(255)); 
cv::drawContours(result,contours, 
 -1, // 画全部轮廓
 0, // 用黑色画
 2); // 宽度为 2

如果这个函数的第三个参数是负数，就画出全部轮廓，否则就可以指定要画的轮廓的序号。