RM装甲板识别 - 04 轮廓检测

本阶段核心API清单#

API	作用
`cv::findContours()`	查找轮廓
`cv::contourArea()`	计算轮廓面积
`cv::minAreaRect()`	最小旋转矩形
`cv::RotatedRect`	旋转矩形类
`cv::drawContours()`	绘制轮廓
`cv::boundingRect()`	正矩形包围框
`cv::fitEllipse()`	椭圆拟合

核心思路#

经过形态学处理后，二值图已经很干净：
现在要做的是：

找轮廓 - 把每个白色区域的边界找出来
拟合矩形 - 用旋转矩形描述每个轮廓
筛选灯条 - 根据长宽比、面积、角度等特征过滤

1. cv::findContours() - 查找轮廓#

参数详解#

mode - 轮廓检索模式#

mode	说明	用途
`RETR_EXTERNAL`	只检测最外层轮廓	RM推荐，忽略内部孔洞
`RETR_LIST`	检测所有轮廓，不建立层级	当需要所有轮廓时
`RETR_TREE`	检测所有并建立完整层级树	复杂嵌套结构
`RETR_CCOMP`	两层层级（外轮廓和孔）	较少使用

method - 轮廓近似方法#

method	说明	优缺点
`CHAIN_APPROX_NONE`	保存所有轮廓点	精确但占内存
`CHAIN_APPROX_SIMPLE`	压缩轮廓，只保留关键点	RM推荐，节省内存

基础用法#

1
#include <opencv2/opencv.hpp>
2
#include <vector>
3

4
int main() {
5
    cv::Mat img = cv::imread("armor.jpg");
6

7
    // 获取二值图（假设已实现）
8
    cv::Mat binary = processImage(img);
9

10
    // 查找轮廓
11
    std::vector<std::vector<cv::Point>> contours;
12
    cv::findContours(binary, contours, cv::RETR_EXTERNAL,
13
                     cv::CHAIN_APPROX_SIMPLE);
14

15
    std::cout << "找到 " << contours.size() << " 个轮廓" << std::endl;
16

17
    // 遍历所有轮廓
18
    for (size_t i = 0; i < contours.size(); i++) {
19
        std::cout << "轮廓 " << i << " 有 " << contours[i].size()
20
                  << " 个点" << std::endl;
21
    }
22

23
    return 0;
24
}

重要注意事项#

注意1: findContours会修改输入图像！#

1
//  正确：传入副本
2
cv::Mat binary_copy = binary.clone();
3
cv::findContours(binary_copy, contours, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_SIMPLE);
4

5
// 或者直接在临时对象上调用
6
cv::findContours(binary.clone(), contours, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_SIMPLE);

注意2: 输入必须是二值图#

1
//  错误：彩色图不行
2
cv::Mat img = cv::imread("armor.jpg");
3
cv::findContours(img, contours, ...);  //  结果不对
4

5
//  正确：必须是二值图（0或255）
6
cv::Mat binary;
7
cv::threshold(gray, binary, 128, 255, cv::THRESH_BINARY);
8
cv::findContours(binary, contours, ...);

2. 轮廓数据结构理解#

轮廓的本质#

1
// 轮廓 = 点的集合
2
std::vector<cv::Point> contour = contours[0];
3

4
// 每个点是(x, y)坐标
5
cv::Point p = contour[0];
6
std::cout << "第一个点: (" << p.x << ", " << p.y << ")" << std::endl;

轮廓操作示例#

1
std::vector<std::vector<cv::Point>> contours;
2
cv::findContours(binary, contours, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_SIMPLE);
3

4
// 轮廓数量
5
int num = contours.size();
6

7
// 第i个轮廓的点数
8
int pointCount = contours[i].size();
9

10
// 访问第i个轮廓的第j个点
11
cv::Point p = contours[i][j];

3. cv::contourArea() - 计算轮廓面积#

函数原型#

1
double cv::contourArea(InputArray contour, bool oriented = false);

基础用法#

1
for (const auto& contour : contours) {
2
    double area = cv::contourArea(contour);
3
    std::cout << "轮廓面积: " << area << " 像素" << std::endl;
4
}

用于过滤噪点#

1
std::vector<std::vector<cv::Point>> validContours;
2

3
for (const auto& contour : contours) {
4
    double area = cv::contourArea(contour);
5

6
    // 过滤太小的轮廓（噪点）
7
    if (area < 100) continue;
8

9
    // 过滤太大的轮廓（可能是整个装甲板或背景）
10
    if (area > 10000) continue;
11

12
    // 保留合理大小的轮廓
13
    validContours.push_back(contour);
14
}
15

16
std::cout << "过滤后剩余 " << validContours.size() << " 个轮廓" << std::endl;

面积阈值如何选择？#

推荐方法：

1
// 根据图像大小自适应
2
int imageArea = binary.rows * binary.cols;
3
double minArea = imageArea * 0.0001;  // 0.01%
4
double maxArea = imageArea * 0.05;    // 5%
5

6
for (const auto& contour : contours) {
7
    double area = cv::contourArea(contour);
8
    if (area > minArea && area < maxArea) {
9
        // 合理范围
10
    }
11
}

4. cv::minAreaRect() - 最小旋转矩形#

基础用法#

1
for (const auto& contour : contours) {
2
    // 拟合最小旋转矩形
3
    cv::RotatedRect rect = cv::minAreaRect(contour);
4

5
    // 获取矩形信息
6
    cv::Point2f center = rect.center;      // 中心点
7
    cv::Size2f size = rect.size;           // 尺寸(width, height)
8
    float angle = rect.angle;              // 旋转角度(-90到0)
9

10
    std::cout << "中心: (" << center.x << ", " << center.y << ")" << std::endl;
11
    std::cout << "尺寸: " << size.width << " × " << size.height << std::endl;
12
    std::cout << "角度: " << angle << "°" << std::endl;
13
}

5. cv::RotatedRect 类详解#

核心属性#

1
cv::RotatedRect rect = cv::minAreaRect(contour);
2

3
// 中心点
4
cv::Point2f center = rect.center;  // 矩形中心的(x,y)坐标
5

6
// 尺寸
7
cv::Size2f size = rect.size;       // width × height
8
float width = size.width;
9
float height = size.height;
10

11
// 旋转角度
12
float angle = rect.angle;          // 范围: -90° ~ 0°

angle的陷阱#

OpenCV的angle定义很反直觉！

1
// angle的含义：
2
// 从水平方向逆时针旋转到矩形长边的角度
3
// 范围：-90° 到 0°
4
// 例子：
5
angle = -90°  → 矩形垂直（竖着）
6
angle = -45°  → 矩形倾斜45度
7
angle = 0°    → 矩形水平（横着）

确保height是长边#

1
cv::RotatedRect rect = cv::minAreaRect(contour);
2

3
float width = rect.size.width;
4
float height = rect.size.height;
5

6
//  OpenCV不保证height > width！
7
// 需要手动调整
8
if (width > height) {
9
    std::swap(width, height);
10
    // 如果需要，也可以调整angle
11
}
12

13
// 现在 height 一定是长边
14
float aspectRatio = height / width;  // 长宽比

获取四个顶点坐标#

1
cv::RotatedRect rect = cv::minAreaRect(contour);
2

3
// 获取四个顶点
4
cv::Point2f vertices[4];
5
rect.points(vertices);
6

7
// vertices[0], vertices[1], vertices[2], vertices[3]
8
// 按逆时针顺序排列
9

10
// 绘制旋转矩形
11
for (int i = 0; i < 4; i++) {
12
    cv::line(img, vertices[i], vertices[(i+1)%4],
13
             cv::Scalar(0, 255, 0), 2);
14
}

6. 灯条特征筛选（核心）#

灯条的典型特征#

特征	合理范围	说明
长宽比	2.0 ~ 10.0	灯条是细长的
面积	100 ~ 5000像素	根据分辨率调整
角度	接近垂直	通常在±30°内
填充度	> 0.5	轮廓面积/外接矩形面积

完整筛选代码#

1
#include <opencv2/opencv.hpp>
2
#include <vector>
3

4
struct LightBar {
5
    cv::RotatedRect rect;
6
    double area;
7
    float aspectRatio;
8
    float angle;
9
};
10

11
std::vector<LightBar> detectLightBars(const cv::Mat& binary) {
12
    std::vector<std::vector<cv::Point>> contours;
13
    cv::findContours(binary.clone(), contours,
14
                     cv::RETR_EXTERNAL, cv::CHAIN_APPROX_SIMPLE);
15

16
    std::vector<LightBar> lightBars;
17

18
    for (const auto& contour : contours) {
19
        // 1. 面积筛选
20
        double area = cv::contourArea(contour);
21
        if (area < 100 || area > 5000) continue;
22

23
        // 2. 拟合旋转矩形
24
        cv::RotatedRect rect = cv::minAreaRect(contour);
25

26
        // 3. 确保height是长边
27
        float width = rect.size.width;
28
        float height = rect.size.height;
29
        if (width > height) {
30
            std::swap(width, height);
31
        }
32

33
        // 4. 长宽比筛选
34
        float aspectRatio = height / width;
35
        if (aspectRatio < 2.0 || aspectRatio > 10.0) continue;
36

37
        // 5. 角度筛选（可选，根据实际情况）
38
        // 灯条应该接近垂直
39
        float angle = std::abs(rect.angle);
40
        if (angle > 30 && angle < 60) continue;  // 太斜的排除
41

42
        // 6. 填充度筛选（可选）
43
        double rectArea = width * height;
44
        double fillRatio = area / rectArea;
45
        if (fillRatio < 0.5) continue;  // 太空的不是灯条
46

47
        // 通过所有筛选，保存
48
        LightBar bar;
49
        bar.rect = rect;
50
        bar.area = area;
51
        bar.aspectRatio = aspectRatio;
52
        bar.angle = angle;
53
        lightBars.push_back(bar);
54
    }
55

56
    std::cout << "找到 " << lightBars.size() << " 个灯条" << std::endl;
57
    return lightBars;
58
}

7. cv::drawContours() - 绘制轮廓（调试）#

基础用法#

1
cv::Mat display = img.clone();
2

3

4
// 绘制所有轮廓
5
cv::drawContours(display, contours, -1, cv::Scalar(0, 255, 0), 2);
6
// -1 表示绘制所有轮廓
7

8
// 绘制第i个轮廓
9
cv::drawContours(display, contours, i, cv::Scalar(255, 0, 0), 2);
10

11
// 填充轮廓
12
cv::drawContours(display, contours, i, cv::Scalar(0, 0, 255), -1);
13
// thickness=-1 表示填充

彩色调试可视化#

1
void visualizeContours(const cv::Mat& img,
2
                       const std::vector<std::vector<cv::Point>>& contours) {
3
    cv::Mat display = img.clone();
4

5
    // 为每个轮廓随机颜色
6
    cv::RNG rng(12345);
7

8
    for (size_t i = 0; i < contours.size(); i++) {
9
        cv::Scalar color(rng.uniform(0, 256),
10
                        rng.uniform(0, 256),
11
                        rng.uniform(0, 256));
12

13
        // 绘制轮廓
14
        cv::drawContours(display, contours, i, color, 2);
15

16
        // 标注序号
17
        cv::Moments m = cv::moments(contours[i]);
18
        cv::Point2f center(m.m10/m.m00, m.m01/m.m00);
19
        cv::putText(display, std::to_string(i), center,
20
                    cv::FONT_HERSHEY_SIMPLEX, 0.5, color, 2);
21
    }
22

23
    cv::imshow("轮廓可视化", display);
24
}

8. 绘制旋转矩形#

标准方法#

1
void drawRotatedRect(cv::Mat& img, const cv::RotatedRect& rect,
2
                     const cv::Scalar& color, int thickness = 2) {
3
    cv::Point2f vertices[4];
4
    rect.points(vertices);
5

6
    for (int i = 0; i < 4; i++) {
7
        cv::line(img, vertices[i], vertices[(i+1)%4], color, thickness);
8
    }
9
}
10

11
// 使用
12
for (const auto& bar : lightBars) {
13
    drawRotatedRect(display, bar.rect, cv::Scalar(0, 255, 0), 2);
14
}

增强版（带中心点和文字）#

1
void drawLightBar(cv::Mat& img, const LightBar& bar, int id) {
2
    // 绘制旋转矩形
3
    cv::Point2f vertices[4];
4
    bar.rect.points(vertices);
5
    for (int i = 0; i < 4; i++) {
6
        cv::line(img, vertices[i], vertices[(i+1)%4],
7
                 cv::Scalar(0, 255, 0), 2);
8
    }
9

10
    // 绘制中心点
11
    cv::circle(img, bar.rect.center, 5, cv::Scalar(0, 0, 255), -1);
12

13
    // 标注信息
14
    std::string text = "ID:" + std::to_string(id) +
15
                       " R:" + std::to_string((int)bar.aspectRatio);
16
    cv::putText(img, text,
17
                cv::Point(bar.rect.center.x + 10, bar.rect.center.y),
18
                cv::FONT_HERSHEY_SIMPLEX, 0.5,
19
                cv::Scalar(255, 255, 255), 2);
20
}

10. cv::fitEllipse() - 椭圆拟合（能量机关用）#

函数原型#

1
RotatedRect cv::fitEllipse(InputArray points);

基础用法#

1
for (const auto& contour : contours) {
2
    // 至少需要5个点
3
    if (contour.size() < 5) continue;
4

5
    // 拟合椭圆
6
    cv::RotatedRect ellipse = cv::fitEllipse(contour);
7

8
    // 绘制椭圆
9
    cv::ellipse(img, ellipse, cv::Scalar(0, 255, 255), 2);
10
}

能量机关扇叶识别#

1
// 能量机关的R标是椭圆形
2
bool isEnergyRune(const std::vector<cv::Point>& contour) {
3
    if (contour.size() < 5) return false;
4

5
    cv::RotatedRect ellipse = cv::fitEllipse(contour);
6

7
    // 椭圆的长短轴比应该接近1（近似圆形）
8
    float ratio = ellipse.size.width / ellipse.size.height;
9
    if (ratio < 0.8 || ratio > 1.2) return false;
10

11
    // 面积合理
12
    double area = CV_PI * ellipse.size.width/2 * ellipse.size.height/2;
13
    if (area < 500 || area > 3000) return false;
14

15
    return true;
16
}

完整实战代码#

完整的灯条检测系统#

1
#include <opencv2/opencv.hpp>
2
#include <vector>
3
#include <iostream>
4

5
// 灯条结构体
6
struct LightBar {
7
    cv::RotatedRect rect;
8
    double area;
9
    float aspectRatio;
10

11
    LightBar(const cv::RotatedRect& r, double a, float ar)
12
        : rect(r), area(a), aspectRatio(ar) {}
13
};
14

15
// 灯条检测函数
16
std::vector<LightBar> detectLightBars(const cv::Mat& binary,
17
                                      const cv::Mat& display) {
18
    // 1. 查找轮廓
19
    std::vector<std::vector<cv::Point>> contours;
20
    cv::findContours(binary.clone(), contours,
21
                     cv::RETR_EXTERNAL, cv::CHAIN_APPROX_SIMPLE);
22

23
    std::cout << "总轮廓数: " << contours.size() << std::endl;
24

25
    std::vector<LightBar> lightBars;
26

27
    // 2. 遍历筛选
28
    for (size_t i = 0; i < contours.size(); i++) {
29
        const auto& contour = contours[i];
30

31
        // 面积筛选
32
        double area = cv::contourArea(contour);
33
        if (area < 100) {
34
            std::cout << "轮廓" << i << ": 面积=" << area
35
                      << "  太小" << std::endl;
36
            continue;
37
        }
38
        if (area > 5000) {
39
            std::cout << "轮廓" << i << ": 面积=" << area
40
                      << " 太大" << std::endl;
41
            continue;
42
        }
43

44
        // 拟合旋转矩形
45
        cv::RotatedRect rect = cv::minAreaRect(contour);
46

47
        // 确保height是长边
48
        float width = rect.size.width;
49
        float height = rect.size.height;
50
        if (width > height) {
51
            std::swap(width, height);
52
        }
53

54
        // 长宽比筛选
55
        float aspectRatio = height / width;
56
        if (aspectRatio < 2.0) {
57
            std::cout << "轮廓" << i << ": 长宽比=" << aspectRatio
58
                      << " 太矮" << std::endl;
59
            continue;
60
        }
61
        if (aspectRatio > 10.0) {
62
            std::cout << "轮廓" << i << ": 长宽比=" << aspectRatio
63
                      << "太细" << std::endl;
64
            continue;
65
        }
66

67
        // 填充度筛选
68
        double rectArea = width * height;
69
        double fillRatio = area / rectArea;
70
        if (fillRatio < 0.5) {
71
            std::cout << "轮廓" << i << ": 填充度=" << fillRatio
72
                      << "  太空" << std::endl;
73
            continue;
74
        }
75

76
        // 通过筛选！
77
        std::cout << "轮廓" << i << ":  灯条候选" << std::endl;
78
        std::cout << "    面积=" << area << ", 长宽比=" << aspectRatio
79
                  << ", 填充度=" << fillRatio << std::endl;
80

81
        lightBars.emplace_back(rect, area, aspectRatio);
82

83
        // 绘制（调试用）
84
        if (!display.empty()) {
85
            cv::Point2f vertices[4];
86
            rect.points(vertices);
87
            for (int j = 0; j < 4; j++) {
88
                cv::line(display, vertices[j], vertices[(j+1)%4],
89
                         cv::Scalar(0, 255, 0), 2);
90
            }
91
            cv::circle(display, rect.center, 5, cv::Scalar(0, 0, 255), -1);
92
        }
93
    }
94

95
    std::cout << "\n最终找到 " << lightBars.size() << " 个灯条" << std::endl;
96
    return lightBars;
97
}
98

99
int main() {
100
    // 读取图像
101
    cv::Mat img = cv::imread("armor.jpg");
102
    if (img.empty()) {
103
        std::cerr << "无法读取图像" << std::endl;
104
        return -1;
105
    }
106

107
    // 颜色提取（假设已实现）
108
    cv::Mat binary = extractRedColor(img);
109

110
    // 形态学处理（假设已实现）
111
    binary = morphologyProcess(binary);
112

113
    // 灯条检测
114
    cv::Mat display = img.clone();
115
    std::vector<LightBar> lightBars = detectLightBars(binary, display);
116

117
    // 显示结果
118
    cv::imshow("原图", img);
119
    cv::imshow("二值图", binary);
120
    cv::imshow("检测结果", display);
121
    cv::waitKey(0);
122

123
    return 0;
124
}

常见问题排查#

问题1: 找不到轮廓#

1
// 检查清单：
2
// 1. 二值图是否正确？
3
cv::imshow("binary", binary);  // 应该是黑白的
4

5
// 2. 前景是白色吗？
6
// findContours找的是白色区域！如果反了需要反转
7
cv::bitwise_not(binary, binary);
8

9
// 3. 图像是单通道吗？
10
std::cout << "通道数: " << binary.channels() << std::endl;  // 应该是1

问题2: 找到太多轮廓（都是噪点）#

1
// 解决方案：
2
// 1. 加强形态学处理
3
cv::morphologyEx(binary, binary, cv::MORPH_OPEN, kernel);
4

5
// 2. 提高面积阈值
6
if (area < 200) continue;  // 增大
7

8
// 3. 添加填充度筛选
9
double fillRatio = area / (width * height);
10
if (fillRatio < 0.6) continue;

问题3: 灯条被筛掉了#

1
// 调试步骤：
2
// 1. 打印每个轮廓的参数
3
for (size_t i = 0; i < contours.size(); i++) {
4
    double area = cv::contourArea(contours[i]);
5
    cv::RotatedRect rect = cv::minAreaRect(contours[i]);
6
    float ratio = rect.size.height / rect.size.width;
7
    std::cout << i << ": area=" << area << ", ratio=" << ratio << std::endl;
8
}
9

10
// 2. 放宽筛选条件
11
if (aspectRatio < 1.5 || aspectRatio > 15.0) continue;  // 放宽范围
12

13
// 3. 可视化被筛掉的轮廓
14
cv::drawContours(rejected_img, contours, i, cv::Scalar(0,0,255), 2);

问题4: 旋转矩形角度不对#

1
// OpenCV的angle有时不符合预期
2
// 解决方案：自己计算角度
3
cv::Point2f vertices[4];
4
rect.points(vertices);
5

6
// 计算长边的角度
7
cv::Point2f edge = vertices[1] - vertices[0];
8
float angle = std::atan2(edge.y, edge.x) * 180 / CV_PI;

欢迎来到南叶の小窝

本阶段核心API清单#

核心思路#

1. cv::findContours() - 查找轮廓#

参数详解#

mode - 轮廓检索模式#

method - 轮廓近似方法#

基础用法#

重要注意事项#

注意1: findContours会修改输入图像！#

注意2: 输入必须是二值图#

2. 轮廓数据结构理解#

轮廓的本质#

轮廓操作示例#

3. cv::contourArea() - 计算轮廓面积#

函数原型#

基础用法#

用于过滤噪点#

面积阈值如何选择？#

4. cv::minAreaRect() - 最小旋转矩形#

基础用法#

5. cv::RotatedRect 类详解#

核心属性#

angle的陷阱#

确保height是长边#

获取四个顶点坐标#

6. 灯条特征筛选（核心）#

灯条的典型特征#

完整筛选代码#

7. cv::drawContours() - 绘制轮廓（调试）#

基础用法#

彩色调试可视化#

8. 绘制旋转矩形#

标准方法#

增强版（带中心点和文字）#

10. cv::fitEllipse() - 椭圆拟合（能量机关用）#

函数原型#

基础用法#

能量机关扇叶识别#

完整实战代码#

完整的灯条检测系统#

常见问题排查#

问题1: 找不到轮廓#

问题2: 找到太多轮廓（都是噪点）#

问题3: 灯条被筛掉了#

问题4: 旋转矩形角度不对#