问题描述：

关键字：VS2015、Opencv、形状、周长、面积、轮廓提取

在很多时候我们需要对一些形状进行识别，其中包括对形状的区分、对图像的提取、对面积和周长的计算等等，这时我们可以利用opencv进行运用从而实现目的。

本篇文章源于有一次同学提出了一个问题：存在一张图片如下，把图中的红色内容提出来，并且识别形状（正三角形，圆形，正方形），计算面积，周长，边长，中心点，接下来我们就用VS2015+Opencv4来实现它！

主要流程：

基于硬核求解原则，咱们用最现成的方法、最简单的思路对问题进行求解。

老规矩先来波预操作：先给咱们的图来滤个波、二值化然后再进行形态学操作，然后我们就能得到一个清晰的二值图了

得到二值图像后咱们就要把他的轮廓提取出来，这里主要是利用finfContours()函数找出图形轮廓，找出各个轮廓后用drawContours()函数绘出轮廓，注意在这里要加入一个轮廓大小判断是否等于窗口面积，否则会将窗口识别成矩形绘出。

接下来先检测出圆形，这里可以利用一个常见的霍夫圆检测函数来检测圆形，利用获得的圆心和半径可以确定圆的位置和大小，从而绘出。

然后对矩形和三角形进行多边拟合操作，利用approxPolyDP（）函数
对图像轮廓点进行多边形拟合，对于拟合的结果我们可以进行一个简单的筛选，以便于筛掉过小的拟合矩形。三角形以及其他多边形的拟合操作都与矩形类似。

根据拟合结果我们就能得到各个图形的顶点和边长，从而我们就能利用line()函数将不同的几何形状用不同的颜色描绘出来。
同时我们也可以通过contourArea()函数和arcLength()函数计算出各个图形的面积与周长。

代码实现：

#include<opencv2/opencv.hpp>
#include<iostream>
#include<math.h>
#define pi 3.14
using namespace cv;
using namespace std;Mat src;
int main(int argc, char** argv)
{src = imread("D:\\我的文档\\Visual Studio 2015\\Projects\\images\\demo.jpg");if (src.empty()){printf("图片未找到!!!");return -1;}imshow("input image", src);//高斯模糊Mat GaussImg;//medianBlur(src, GaussImg,5);//中值滤波GaussianBlur(src, GaussImg, Size(7, 7), 0, 0);//高斯滤波imshow("Gauss Image", GaussImg);cvtColor(GaussImg, GaussImg, COLOR_BGR2GRAY);//二值化操作Mat binary;threshold(GaussImg, binary, 128, 255, THRESH_BINARY);imshow("binary Image", binary);//形态学操作Mat morphImg;Mat kernel = getStructuringElement(MORPH_RECT, Size(5, 5), Point(-1, -1));morphologyEx(binary, morphImg, MORPH_CLOSE, kernel, Point(-1, -1), 1);imshow("morph Image", morphImg);//阈值分割Mat contoursIm;threshold(morphImg, contoursIm, 0, 255, THRESH_BINARY + THRESH_OTSU);imshow("阈值分割", contoursIm);//轮廓发现Mat contoursImg = Mat::zeros(src.size(), CV_8UC3);vector<vector<Point>>contours;//存储二维浮点型向量，这里面将来会存储找到du的边界的（x,y）坐标vector<Vec4i>hierarchy;//定义的层级。这个在找边界findcontours的时候会自动生成，这里只是给它开辟一个空间findContours(contoursIm, contours, RETR_LIST, CHAIN_APPROX_NONE);//保存物体边界上所有连续的轮廓点到contours向量内int flags = 0;for (size_t i = 0; i < contours.size(); i++){Rect rect = boundingRect(contours[i]);if (rect.height == src.rows){flags = 1;contours.pop_back();}if (flags == 0){drawContours(contoursImg, contours, static_cast<int>(i),Scalar(0, 0, 255), 2, 8, hierarchy, 0, Point(0, 0));}flags = 0;}vector<Point>triangle;vector<Point>approx;vector<Point>squares;vector<Vec3f>circles;//圆HoughCircles(GaussImg, circles, HOUGH_GRADIENT, 1, src.rows / 20, 100, 60, 0, 0);//rows/20为检测圆之间距离，100为传递给canny边缘检测算子的高阈值，60（它越小则可以检测到更多跟本不存在的圆，两个0为半径默认值）Mat dstImg(morphImg.rows, morphImg.cols, CV_8UC3, Scalar(255, 255, 255));for (size_t i = 0; i < circles.size(); i++)//画圆{Point center(cvRound(circles[i][0]), cvRound(circles[i][1]));int radius = cvRound(circles[i][2]);circle(dstImg, center, radius, Scalar(0, 255, 0), 5, 8, 0);circle(dstImg, center, 3, Scalar(0, 255, 0), -1);cout << "圆形" << i + 1 << "中心" << center << endl;cout << "圆" << i + 1 << "的面积为：" << pi*radius*radius << endl;cout << "圆" << i + 1 << "的周长为：" << pi * 2 * radius << endl;}//多边形拟合操作for (size_t i = 0; i < contours.size(); i++){approxPolyDP(contours[i], approx, arcLength(Mat(contours[i]), true)*0.02, true);                     //主要功能是把一个连续光滑曲线折线化，对图像轮廓点进行多边形拟合。if (approx.size() == 4 && fabs(contourArea(Mat(approx))) > 1000 && isContourConvex(Mat(approx))){double minDist = 1e10;for (int i = 0; i < 4; i++){Point side = approx[i] - approx[(i + 1) % 4];double squaredSideLength = side.dot(side);minDist = min(minDist, squaredSideLength);}if (minDist<50)break;for (int i = 0; i<4; i++)squares.push_back(Point(approx[i].x, approx[i].y));}approxPolyDP(contours[i], approx, arcLength(Mat(contours[i]), true)*0.1, true);if (approx.size() == 3 && fabs(contourArea(Mat(approx))) > 1000 && isContourConvex(Mat(approx))){double minDist = 1e10;for (int i = 0; i <3; i++){Point side = approx[i] - approx[(i + 1) % 3];double squaredSideLength = side.dot(side);minDist = min(minDist, squaredSideLength);}if (minDist<50)break;for (int i = 0; i<3; i++)triangle.push_back(Point(approx[i].x, approx[i].y));}drawContours(dstImg, contours, i, Scalar(0, 0, 255), 3);}for (size_t i = 0; i < squares.size(); i += 4)//描边操作{Point center;center.x = (squares[i].x + squares[i + 2].x) / 2;center.y = (squares[i].y + squares[i + 2].y) / 2;line(dstImg, squares[i], squares[i + 1], Scalar(255, 0, 255), 4);line(dstImg, squares[i + 1], squares[i + 2], Scalar(255, 0, 255), 4);line(dstImg, squares[i + 2], squares[i + 3], Scalar(255, 0, 255), 4);line(dstImg, squares[i + 3], squares[i], Scalar(255, 0, 255), 4);cout << "矩形" << (i + 1) % 4 << "中心" << center << endl;cout << "矩形" << i + 1 << "的面积为：" << contourArea(squares) << endl;cout << "矩形" << i + 1 << "的周长为：" << arcLength(squares, true) << endl;circle(dstImg, center, 3, Scalar(255, 0, 255), -1);}for (size_t i = 0; i < triangle.size(); i += 3){Point center;center.x = (triangle[i].x + triangle[i + 1].x + triangle[i + 2].x) / 3;center.y = (triangle[i].y + triangle[i + 1].y + triangle[i + 2].y) / 3;line(dstImg, triangle[i], triangle[i + 1], Scalar(255, 0, 0), 4);line(dstImg, triangle[i + 1], triangle[i + 2], Scalar(255, 0, 0), 4);line(dstImg, triangle[i], triangle[i + 2], Scalar(255, 0, 0), 4);cout << "三角形" << (i + 1) % 3 <<"中心" <<center << endl;cout << "三角形" << i + 1 << "的面积为：" << contourArea(triangle) << endl;cout << "三角形" << i + 1 << "的周长为：" << arcLength(triangle, 1) << endl;circle(dstImg, center, 3, Scalar(255, 0, 0), -1);}//显示提取图像Mat extract(src.size(), CV_8UC3, Scalar(255, 255, 255));for (size_t i = 0; i < squares.size(); i += 4)//描边操作{Point center;center.x = (squares[i].x + squares[i + 2].x) / 2;center.y = (squares[i].y + squares[i + 2].y) / 2;line(extract, squares[i], squares[i + 1], Scalar(255, 0, 255), 4);line(extract, squares[i + 1], squares[i + 2], Scalar(255, 0, 255), 4);line(extract, squares[i + 2], squares[i + 3], Scalar(255, 0, 255), 4);line(extract, squares[i + 3], squares[i], Scalar(255, 0, 255), 4);circle(extract, center, 3, Scalar(255, 0, 255), -1);}for (size_t i = 0; i < triangle.size(); i += 3){Point center;center.x = (triangle[i].x + triangle[i + 1].x + triangle[i + 2].x) / 3;center.y = (triangle[i].y + triangle[i + 1].y + triangle[i + 2].y) / 3;line(extract, triangle[i], triangle[i + 1], Scalar(255, 0, 0), 4);line(extract, triangle[i + 1], triangle[i + 2], Scalar(255, 0, 0), 4);line(extract, triangle[i], triangle[i + 2], Scalar(255, 0, 0), 4);circle(extract, center, 3, Scalar(255, 0, 0), -1);}for (size_t i = 0; i < circles.size(); i++)//画圆{Point center(cvRound(circles[i][0]), cvRound(circles[i][1]));int radius = cvRound(circles[i][2]);circle(extract, center, radius, Scalar(0, 255, 0), 5, 8, 0);circle(extract, center, 3, Scalar(0, 255, 0), -1);}imshow("轮廓提取", extract);imshow("形状检测", dstImg);waitKey(0);return 0;}

运行结果：

滤波图像：

二值图像：

图形提取与区分：

图形中心坐标、图形面积与周长计算结果：

小小总结：

本次所运用的方法存在一定的局限性，识别图形的范围有限，比如难以识别扇形、凹形等等，不过对于比较常规的多边形识别确很有效，同时也可以拓展到调用Video进行实时的规则形状识别，还有地方值得提升拓展，欢迎大家交流。