利用Android+OpenCV来绘制图形轮廓中心

在之前的文章已经提到如何在android中运用OpenCV，这次就记录一下在一个外国博主看到的几篇OpenCV+Python的博客后，自己再用android写下来的几个小案例。
这次记录的是，如何把形状的轮廓中心描绘出来。

以下图片是此次使用的图片

shapes_and_colors

从此图可以看出，这是一张有多个不同形状的图，此次要实现的是把图片中各个形状的轮廓画出来，并标注出形状的中心。而要实现这个目标，则需要先做:
-将图片灰度化
-将图片进行模糊降噪，从而使得轮廓的描绘更加准确
-将图片二值化。一般来说，用于图片二值化的是边缘检测和阈值处理，在此次小项目中使用的是阈值处理

首先我们先读取图片，再对图片进行一些处理。代码如下：

//读入图片
Bitmap srcBitmap;
srcBitmap = BitmapFactory.decodeResource(getResources(), id);

//建立几个Mat类型的对象
Mat rgbMat = new Mat();
Mat grayMat = new Mat();
Mat blur1 = new Mat();

//将原始的bitmap转换为mat型.
Utils.bitmapToMat(srcBitmap, rgbMat);
//将图像转换为灰度
Imgproc.cvtColor(rgbMat, grayMat, Imgproc.COLOR_BGR2GRAY);
//以两个不同的模糊半径对图像做模糊处理,前两个参数分别是输入和输出图像，第三个参数指定应用滤波器时所用核的尺寸，最后一个参数指定高斯函数中的标准差数值
Imgproc.GaussianBlur(grayMat, blur1, new Size(5, 5), 0);
//图片二值化
Imgproc.threshold(blur1, blur1, 60, 255, Imgproc.THRESH_BINARY);
//将处理后的图片显示出来
Bitmap grayBitmap;
grayBitmap = Bitmap.createBitmap(srcBitmap.getWidth(), srcBitmap.getHeight(), Bitmap.Config.RGB_565);
Utils.matToBitmap(blur1, grayBitmap);
img.setImageBitmap(grayBitmap);

代码1-2行主要是通过Bitmap读入图片，我是把图片放在项目的mipmap中，然后来直接读取。
代码6-11是利用mat类来存储图片信息，在OpenCV中，是通过mat类来操作图片内容。基本上讲 Mat 是一个类，由两个数据部分组成：矩阵头（包含矩阵尺寸，存储方法，存储地址等信息）和一个指向存储所有像素值的矩阵（根据所选存储方法的不同矩阵可以是不同的维数）的指针。（参考自官网的解释，有兴趣了解更多的可以去官网看下。）在OpenCV中的Utils类就有一个现成的函数可以将bitmap转换成mat。
接下来的几行代码，则是完成上面所说的几个步骤。
首先是灰度化图片，将图片灰度化会大大减小图像处理计算量。
其次在对图片进行降噪时，是采用高斯滤波来进行降噪。
最后是二值化图片，所谓图像的二值化就是将图像上的像素点的灰度值设置为0或255，这样将使整个图像呈现出明显的黑白效果。在图像处理的三行代码中，每个函数的第一个值是源mat，第二个值才是经过处理后得到的目标mat。
在经过以上处理后的图片呈现一下形状，则是以前景为白色，背景为黑色的图片。

ok，继续下一步，寻找这些白色形状的轮廓

//寻找图形的轮廓
List<MatOfPoint> contours = new ArrayList<>();
Mat hierarchy = new Mat();
Imgproc.findContours(blur1, contours, hierarchy, Imgproc.RETR_EXTERNAL, Imgproc.CHAIN_APPROX_SIMPLE);

这几行代码是找出白色形状的轮廓，这里大概讲解一下findContours的几个参数：

public static void findContours(Mat image, List contours, Mat hierarchy, int mode, int method)

-Mat image:要找轮廓的图像，是Mat类

-List contours：找到的轮廓的集合

-Mat hierarchy：hierarchy是一个向量，向量内每个元素保存了一个包含4个int整型的数组。向量hiararchy内的元素和轮廓向量contours内的元素是一一对应的，向量的容量相同。hierarchy向量内每一个元素的4个int型变量——hierarchy[i][0] ~hierarchy[i][3]，分别表示第i个轮廓的后一个轮廓、前一个轮廓、父轮廓、内嵌轮廓的索引编号。若并无前后轮廓这些的存在，其值为-1.

-int mode：定义轮廓的检索模式:
①：RETR_EXTERNAL只检测最外围轮廓，包含在外围轮廓内的内围轮廓被忽略
②：RETR_LIST 检测所有的轮廓，包括内围、外围轮廓，但是检测到的轮廓不建立等级关系，彼此之间独立，没有等级关系，这就意味着这个检索模式下不存在父轮廓或内嵌轮廓，所以hierarchy向量内所有元素的第3、第4个分量都会被置为-1，具体下文会讲到
③：RETR_CCOMP 检测所有的轮廓，但所有轮廓只建立两个等级关系，外围为顶层，若外围内的内围轮廓还包含了其他的轮廓信息，则内围内的所有轮廓均归属于顶层
④：RETR_TREE， 检测所有轮廓，所有轮廓建立一个等级树结构。外层轮廓包含内层轮廓，内层轮廓还可以继续包含内嵌轮廓。

-int method:定义轮廓的近似方法：
①：CHAIN_APPROX_NONE 保存物体边界上所有连续的轮廓点到contours向量内
②：CHAIN_APPROX_SIMPLE 仅保存轮廓的拐点信息，把所有轮廓拐点处的点保存入contours向量内，拐点与拐点之间直线段上的信息点不予保留
③：CHAIN_APPROX_TC89_L1，CHAIN_APPROX_TC89_KCOS使用teh-Chinl chain 近似算法
找到轮廓后，是时候把各个形状的轮廓给画出来了

//遍历每个图形的轮廓
for (MatOfPoint c : contours) {
    //计算轮廓的中心
    Moments m = Imgproc.moments(c);
    int cx = (int) (m.m10 / m.m00);
    int cy = (int) (m.m01 / m.m00);

    //画轮廓
    Imgproc.drawContours(rgbMat, contours, -1, new Scalar(0, 255, 0), 2);
    //画中心的圆点
    Imgproc.circle(rgbMat, new Point(cx, cy), 7, new Scalar(255, 255, 255), -1);
    //在圆点旁边显示文字center
    Imgproc.putText(rgbMat, "center", new Point(cx - 20, cy - 20), Core.FONT_HERSHEY_SIMPLEX, 0.5, new Scalar(255, 255, 255), 2);
    //再把mat转换为bitmap显示出来
    Bitmap grayBitmap;
    grayBitmap = Bitmap.createBitmap(srcBitmap.getWidth(), srcBitmap.getHeight(), Bitmap.Config.RGB_565);
    Utils.matToBitmap(rgbMat, grayBitmap);
    img.setImageBitmap(grayBitmap);
}

其中，moments为图形的三阶矩，而此时为了计算出轮廓的中心，可以采用以下公式：

接下来解释三个函数的参数值：

①drawContours(Mat image, List contours, int contourIdx, Scalar color, int thickness)的各个参数解释如下：

Mat image：表示目标图像

List contours：表示输入的轮廓组

int contourIdx：指明画第几个轮廓，如果该参数为负值，则画全部轮廓。上面引用时填了-1，代表画出全部轮廓。

Scalar color：为轮廓的颜色，Scalar表示了具有4个元素的数组，用来表示RGB颜色值（三个参数）。Scalar( a, b, c )则代表的RGB颜色值为：Red = c, Green = b and Blue= a

int thickness：为轮廓的线宽，如果为负值或CV_FILLED表示填充轮廓内部。

②public static void circle(Mat img, Point center, int radius, Scalar color, int thickness)参数解释：

Mat img：为源图像

Point center：为画圆的圆心坐标

int radius：为圆的半径

Scalar color：为设定圆的颜色，规则根据B（蓝）G（绿）R（红）

int thickness：如果是正数，表示组成圆的线条的粗细程度。否则，表示圆是否被填充。

③public static void putText(Mat img, String text, Point org, int fontFace, double fontScale, Scalar color, int thickness)参数解释：

Mat img：需要写字的原图像

String text：需要写的内容

Point org：需要写的内容的左下角的坐标

int fontFace:字体样式，其取值如下：
-FONT_HERSHEY_SIMPLEX – 正常大小无衬线字体。
-FONT_HERSHEY_PLAIN – 小号无衬线字体。
-FONT_HERSHEY_DUPLEX – 正常大小无衬线字体。( 比CV_FONT_HERSHEY_SIMPLEX更复杂)
-FONT_HERSHEY_COMPLEX – 正常大小有衬线字体。
-FONT_HERSHEY_TRIPLEX – 正常大小有衬线字体 ( 比CV_FONT_HERSHEY_COMPLEX更复杂)
-FONT_HERSHEY_COMPLEX_SMALL – CV_FONT_HERSHEY_COMPLEX 的小译本。
-FONT_HERSHEY_SCRIPT_SIMPLEX – 手写风格字体。
-FONT_HERSHEY_SCRIPT_COMPLEX – 比CV_FONT_HERSHEY_SCRIPT_SIMPLEX更复杂。

double fontScale：字体大小

Scalar color：颜色

int thickness：字体的厚度

ok，现在我们得到如下效果：

最终效果图

至此，我们已经实现了想要的效果。
本文所提到的一些知识有些是摘取了别人的博客，如若作者觉得侵权，请联系我，我马上删除。
本人也是刚接触OpenCV,还是有一堆知识是不懂的，如果哪里讲错欢迎大家多多指教。

ps:本代码是以白色前景，黑色背景作为设想，所以如果使用其他颜色背景的图片需做一定的处理才有效。
最后附上我看的教程：https://www.pyimagesearch.com/2016/02/01/opencv-center-of-contour/
该博主写了很多博文，而且问的问题博主也会给你解答，唯一缺点就是全英2333，有兴趣的小伙伴可以去瞧瞧。