目标

这次我们学习轮廓的层次，即轮廓中的父子关系。

理论

在前几篇关于轮廓的文章中，我们已经讨论了与OpenCV提供的轮廓相关的几个函数。但是当我们使用cv.findcontour()函数在图像中找到轮廓时，我们已经传递了一个参数，轮廓检索模式。我们通常通过了cv.RETR_LIST或cv.RETR_TREE，效果很好。但这到底意味着什么呢?

另外，在输出中，我们得到了三个数组，第一个是图像，第二个是轮廓，还有一个我们命名为hierarchy的输出(请检查前面文章中的代码)。但我们从未在任何地方使用过这种层次结构。那么这个层级是什么?它是用来做什么的?它与前面提到的函数参数有什么关系?

这就是我们在本文中要讨论的内容。

层次结构是什么？

通常我们使用cv.findcontour()函数来检测图像中的对象，对吧？有时对象在不同的位置。但在某些情况下，某些形状在其他形状中。就像嵌套的图形一样。在这种情况下，我们把外部的称为父类，把内部的称为子类。这样，图像中的轮廓就有了一定的相互关系。我们可以指定一个轮廓是如何相互连接的，比如，它是另一个轮廓的子轮廓，还是父轮廓等等。这种关系的表示称为层次结构。

下面是一个例子:

在这张图中，有一些形状我已经从0-5开始编号。2和2a表示最外层盒子的外部和内部轮廓。

这里，等高线0,1,2在外部或最外面。我们可以说，它们在层级-0中，或者简单地说，它们在同一个层级中。

其次是contour-2a。它可以被认为是contour-2的子级(或者反过来，contour-2是contour-2a的父级)。假设它在层级-1中。类似地，contour-3是contour-2的子级，它位于下一个层次结构中。最后，轮廓4,5是contour-3a的子级，他们在最后一个层级。从对方框的编号来看，我认为contour-4是contour-3a的第一个子级(它也可以是contour-5)。

我提到这些是为了理解一些术语，比如相同层级，外部轮廓，子轮廓，父轮廓，第一个子轮廓等等。现在让我们进入OpenCV。

OpenCV中的分级表示

所以每个轮廓都有它自己的信息关于它是什么层次，谁是它的孩子，谁是它的父母等等。OpenCV将它表示为一个包含四个值的数组:[Next, Previous, First_Child, Parent]

“Next表示同一层次的下一个轮廓。”

例如，在我们的图片中取contour-0。谁是下一个同级别的等高线?这是contour-1。简单地令Next = 1。类似地，Contour-1也是contour-2。所以Next = 2。
contour-2呢?同一水平线上没有下一条等高线。简单地，让Next = -1。contour-4呢?它与contour-5处于同一级别。它的下一条等高线是contour-5，所以next = 5。

“Previous表示同一层次上的先前轮廓。”

和上面一样。contour-1之前的等值线为同级别的contour-0。类似地，contour-2也是contour-1。对于contour-0，没有前项，所以设为-1。

“First_Child表示它的第一个子轮廓。”

没有必要作任何解释。对于contour-2, child是contour-2a。从而得到contour-2a对应的指标值。contour-3a呢?它有两个孩子。但我们只关注第一个孩子。它是contour-4。那么First_Child = 4 对contour-3a而言。

“Parent表示其父轮廓的索引。”

它与First_Child相反。对于轮廓线-4和轮廓线-5，父轮廓线都是轮廓线-3a。对于轮廓3a，它是轮廓-3，以此类推。

注意
如果没有子元素或父元素，则该字段被视为-1

现在我们已经了解了OpenCV中使用的层次样式，我们可以借助上面给出的相同图像来检查OpenCV中的轮廓检索模式。一些标志如 cv.RETR_LIST, cv.RETR_TREE,cv.RETR_CCOMP, cv.RETR_EXTERNAL等等的含义。

轮廓检索模式

1. RETR_LIST

这是四个标志中最简单的一个(从解释的角度来看)。它只是检索所有的轮廓，但不创建任何亲子关系。在这个规则下，父轮廓和子轮廓是平等的，他们只是轮廓。他们都属于同一层级。

这里，第3和第4项总是-1。但是很明显，下一项和上一项都有对应的值。你自己检查一下就可以了。

下面是我得到的结果，每一行是对应轮廓的层次细节。例如，第一行对应于轮廓0。下一条轮廓是轮廓1。所以Next = 1。没有先前的轮廓，所以Previous=-1。剩下的两个，如前所述，是-1。

>>> hierarchy
array([[[ 1, -1, -1, -1],[ 2,  0, -1, -1],[ 3,  1, -1, -1],[ 4,  2, -1, -1],[ 5,  3, -1, -1],[ 6,  4, -1, -1],[ 7,  5, -1, -1],[-1,  6, -1, -1]]])

如果您没有使用任何层次结构特性，那么这是在您的代码中使用的最佳选择。

2. RETR_EXTERNAL

如果使用此标志，它只返回极端外部标志。所有孩子的轮廓都被留下了。我们可以说，根据这项规则，每个家庭只有长子得到关注。它不关心家庭的其他成员:)。

所以在我们的图像中，有多少个极端的外轮廓?在等级0级?有3个，即等值线是0 1 2，对吧?现在试着用这个标志找出等高线。这里，给每个元素的值与上面相同。并与上述结果进行了比较。以下是我得到的:

>>> hierarchy
array([[[ 1, -1, -1, -1],[ 2,  0, -1, -1],[-1,  1, -1, -1]]])

如果只想提取外部轮廓，可以使用此标志。它在某些情况下可能有用。

3. RETR_CCOMP

此标志检索所有轮廓并将其排列为2级层次结构。物体的外部轮廓(即物体的边界)放在层次结构-1中。对象内部孔洞的轮廓(如果有)放在层次结构-2中。如果其中有任何对象，则其轮廓仅在层次结构1中重新放置。以及它在层级2中的漏洞等等。

只需考虑在黑色背景上的“白色的零”图像。零的外圆属于第一级，零的内圆属于第二级。

我们可以用一个简单的图像来解释它。这里我用红色标注了等高线的顺序和它们所属的层次，用绿色标注(1或2)，顺序与OpenCV检测等高线的顺序相同。

考虑第一个轮廓，即contour-0。这是hierarchy-1。它有两个孔，分别是等高线1和2，属于第二级。因此，对于轮廓-0，在同一层次的下一个轮廓是轮廓-3。previous也没有。在hierarchy-2中，它的第一个子结点是contour-1。它没有父类，因为它在hierarchy-1中。所以它的层次数组是[3，-1,1，-1]

现在contour-1。它在层级-2中。相同层次结构中的下一个(在contour-1的父母关系下)是contour-2。没有previous。没有child，但是parent是contour-0。所以数组是[2，-1，-1,0]

类似的contour-2:它在hierarchy-2中。在contour-0下，同一层次结构中没有下一个轮廓。所以没有Next。previous是contour-1。没有child，parent是contour0。所以数组是[-1,1，-1,0]

contour-3:层次-1的下一个是轮廓-5。以前是contour-0。child是contour4，没有parent。所以数组是[5,0,4，-1]

contour-4:它在contour-3下的层次结构2中，它没有兄弟姐妹。没有next，没有previous，没有child，parent是contour-3。所以数组是[-1，-1，-1,3]

剩下的你可以补充。这是我得到的最终答案:

>>> hierarchy
array([[[ 3, -1,  1, -1],[ 2, -1, -1,  0],[-1,  1, -1,  0],[ 5,  0,  4, -1],[-1, -1, -1,  3],[ 7,  3,  6, -1],[-1, -1, -1,  5],[ 8,  5, -1, -1],[-1,  7, -1, -1]]])

4. RETR_TREE

这是最后一个家伙，完美先生。它检索所有的轮廓并创建一个完整的家族层次结构列表。它甚至告诉，谁是爷爷，父亲，儿子，孙子，甚至更多…:)。

例如，我拿上面的图片，重写了cv的代码。RETR_TREE，根据OpenCV给出的结果重新排序等高线并进行分析。同样，红色的字母表示轮廓数，绿色的字母表示层次顺序。

取contour-0:它在hierarchy-0中。同一层次结构的next轮廓是轮廓-7。没有previous的轮廓。child是contour-1，没有parent。所以数组是[7，-1,1，-1]

以contour-2为例:它在hierarchy-1中。没有轮廓在同一水平。没有previous。child是contour-3。父母是contour-1。所以数组是[-1，-1,3,1]

剩下的，你自己试试。以下是完整答案:

>>> hierarchy
array([[[ 7, -1,  1, -1],[-1, -1,  2,  0],[-1, -1,  3,  1],[-1, -1,  4,  2],[-1, -1,  5,  3],[ 6, -1, -1,  4],[-1,  5, -1,  4],[ 8,  0, -1, -1],[-1,  7, -1, -1]]])

☆☆☆为方便大家查阅，小编已将OpenCV-Python专栏文章统一整理到公众号底部菜单栏，同步更新中，关注公众号，点击左下方“文章”，如图：

或点击下方“阅读原文”，进入OpenCV-Python专栏，即可查看系列文章。

不断更新资源

获取更多精彩

长按二维码扫码关注