在這張圖中，我按照正序用數字0-5給輪廓編號。2和2a 分別表示最外層矩形盒子的外部和內部輪廓。

在這裡，0，1，2 表示向外的（external/outermost）輪廓。我們可以說，它們在0層（hierarchy-0）或者簡單地說它們在相同層的水平（same hierarchy level）。

接著是輪廓-2a，我們可以認為它是輪廓-2的子元素(或者相反，也可以認為輪廓-2是輪廓-2a的父元素)。所以我們就假設讓它在第1層。類似地，輪廓-3是輪廓-2的子元素，因此它在下一個層次結構中。最後，輪廓4，5是輪廓-3a 的子結點，它們位於最後一個層次結構級。根據我們給盒子編號的方式，我們可以說輪廓-4是輪廓-3a 的第一個子元素(當然也可以是輪廓-5)。

在這我們提到這些是為了理解同級別的術語，外部輪廓，子輪廓，父輪廓，第一個子輪廓等等。現在讓我們進入OpenCV。

OpenCV 中的層級表示

所以每個輪廓都有它自己的信息，比如關於它是什麼層次結構，誰是它的子結點，誰是它的父結點等等。OpenCV 將這些信息表示為一個包含四個值的數組：[Next, Previous, First_Child, Parent]。

Next 表示同一層次上的下一個輪廓。「Next denotes next contour at the same hierarchical level.」

舉個例子，比如我們照片中的contour-0，誰是同level 中的下一個輪廓？很明顯，是contour-1。所以我們可以直接代入 Next = 1。對於Contour-1也差不多，下一個是contour-2 ，所以Next = 2。

那麼contour-2 呢？從圖中我們可以看出同一水平中沒有下一個輪廓存在了。所以也很簡單，我們直接說 Next = -1。那麼contour-4 呢？圖中它與contour-5處於同一水平，所以它的下個輪廓是contour-5，也就是說 Next = 5。

Previous 表示同一層次上的前一個輪廓。「Previous denotes previous contour at the same hierarchical level.」

和上面講的一樣，輪廓contour-1 在同一水平上的前一個輪廓就是contour-0。類似地，contour-2 同一層次上的前一個輪廓是 contour-1。contour-0 則沒有，所以我們說是-1。

First_Child表示它的第一個子輪廓。"First_Child denotes its first child contour.」

這裡我認為不需要額外的解釋。contour-2的「孩子」- 子輪廓，從圖中可以看出是contour-2a，所以它被稱作contour-2a，2a 即對應的索引值。那麼contour-3a呢？它有兩個孩子，但是我們第一個孩子只有一個，我們取其中一個位contour-4，所以contour-3a 的第一個孩子表達式為 First_Child = 4。

Parent表示該輪廓的父母輪廓的指數。 「Parent denotes index of its parent contour.」

這就是First_Child 的相反。無論是contour-4 還是 contour-5，它們的父母輪廓是 contour-3a 輪廓。對於contour-3a，它的父母輪廓就是contour-3。

注意：如果某輪廓沒有子輪廓或父母輪廓，那麼該欄位（field）標記為-1。

現在我們知道了OpenCV 使用的層次結構樣式，我們可以學習下一部分OpenCV 的輪廓檢索模式可以在一幅圖像上給我們什麼樣的幫助。舉個例子，下面將要講到的cv2.RETR_LIST, cv2.RETR_TREE, cv2.RETR_CCOMP, cv2.RETR_EXTERNAL 等flags 都代表什麼意思呢?

輪廓檢索模式

1. RETR_LIST

從解釋的角度來看，這是我們將要介紹的四個標誌（flags）中最簡單的一個。它能幫助我們檢索所有的輪廓，但不產生任何父母或子關係。在這個模式下，父母輪廓和子輪廓是平等的，即他們只是輪廓，在這它們都處於相同層次結構的級別。

所以在這裡，第3個和第4個術語的層次結構數組總是-1。但顯然，下一個Next 和前一個Previous 術語則有相應不同的值。我們可以自行檢查和驗證。

下面是我得到的結果，每一行是對應輪廓的層次細節。例如，第一行對應輪廓0，它的下一個輪廓對應輪廓1，所以Next = 1，而其沒有前一個輪廓，所以Previous = -1。至於剩下的兩個父母輪廓和子輪廓，正如之前說的，因為「在這個模式下，父母輪廓和子輪廓是平等的」都沒有，所以都是-1。

>>> hierarchy
# 得到結果如下，每一行代表[Next, Previous, First_Child, Parent]
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]]])

如果我們不需要使用層次的任何特性，這模式是一個不錯的選擇。

2. RETR_EXTERNAL

如果我們使用這個標誌，它只返回最外部標誌，其餘所有子輪廓都被遺棄。我們可以說，依照該模式的規定，在每個家庭中只有老大是被關心的，而其他家庭成員則被無視了

所以在我們的圖像中，有多少最外部輪廓呢？比如在hierarchy-0 水平的？只有3個，即輪廓0，1，2，對把？現在讓我們試試找到帶著最外部標誌的輪廓。這裡給出的每個元素的值也與上面得到的一樣。我們可以和上面得到的結果進行比較，下面是我得到的答案：

>>> hierarchy
# 就是前面答案的前三行
array([[[ 1, -1, -1, -1],
[ 2, 0, -1, -1],
[-1, 1, -1, -1]]])

如果我們只想提取最外部輪廓，我們就可以使用這個標誌。在某些情況下它也能幫上大忙。

3. RETR_CCOMP

這個標誌可以檢索所有的輪廓並把它們安排到2種層次結構。舉個例子，我們整個物體的外部輪廓（即它的邊界）可以放置在hierarchy-1 層次，而物體內部的輪廓對象（如果有的話，我們的圖像中有）放在hierarchy-2 層次。如果在這個物體裏還存在任何對象，一樣的道理，該對象的輪廓被放置在hierarchy-1層次，內部的輪廓對象放置在hierarchy-2層次；直至裡面沒有對象為止。

我們可以想像一個「白色的大大的零」處於一個黑色背景裏。零的外圓屬於第一層次結構，它的內圈則屬於第二層次。

我們可以用一個簡單圖像來解釋。我們在圖中，用紅色輪廓標記了它們的原有層次結構順序，而它們的RETR_CCOMP標記我們則用綠色輪廓（1或2）來標記。

這裡讓我們先考慮第一個輪廓，即輪廓-0，是在hierarchy-1層次結構中。它有兩個內孔，輪廓1和2，屬於層次2。所以對於輪廓-0，同一層次結構中的下一個輪廓是輪廓-3，且不存在之前一個輪廓；它的第一個子輪廓是層次2中的輪廓-1，沒有父結點因為它在第1層的關係。因此，在這裡它的層次數組是[3，-1，1，-1]。

接著我們來看輪廓-1，它在層次2中。同一層次結構中的下一個輪廓(在contour-1的父級之下)是contour-2，沒有前一個輪廓，沒有子結點，父結點是-0，數組是[2，-1，-1，0]。

類似的，我們來看輪廓-2，它在層次2中。在輪廓-0下，同一層次中沒有下一個輪廓，所以沒有Next，前一個輪廓是contour-1，沒有子結點，父結點是輪廓-0，所以數組是[- 1，1，1，0]。

然後是輪廓- 3：層次1中的Next是輪廓-5，前一個是contour-0，子輪廓是contour-4，沒有父母輪廓為空，數組是[5，0，4，-1]。

對於輪廓- 4：它在輪廓-3下的層次結構2中，沒有兄弟，沒有下一個，沒有上一個，沒有子結點，父結點是contour-3。數組是[-1，-1，-1，3]。

剩下的輪廓同理加滿即可，這是我最後得到的答案：

>>> hierarchy
# 檢索所有的輪廓並把它們安排到2種層次結構中
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

這是四種檢索模式中的最後一個了，也稱其為完美先生。它檢索所有輪廓並創建完整的家族層次結構列表。它能告訴我們，誰是爺爺、爸爸、兒子、孫子甚至更遠的關係……

舉個例子，我還是用上面的圖片，重寫一次代碼，這次我們使用cv2.RETR_TREE，別的不變；結果就是這次代碼幫助我們按OpenCV 的結果和分析重新排序了輪廓。同樣的，紅色字母代表輪廓序列，綠色字母代表等級序列。

我們以contour-0為例：它處於hierarchy-0 層次。下一個相同層次結構的輪廓是contour-7，沒有前一個輪廓，子輪廓是contour-1，沒有父母輪廓。所以我們得到數組[7，-1，1，-1]。

我們再舉contour-2為例：它處於hierarchy-1 層次。在相同級別中沒有輪廓，沒有前一個輪廓，子輪廓是contour-2，父母輪廓是contour-0。所以數組為[-1，-1，2， 0]。

至於剩餘的，大家可以自己試試。下面是完整的答案：

>>> 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]]])

---

在下一篇文章中，將著重講的是新的一個系列 - 新視界-OpenCV教程(23)- 直方圖：查找，繪製，分析。

如果你覺得我的文章有用，順手點個贊，關注下我的專欄或則留下你的評論吧！

推薦閱讀：