目标

这次，我们将学习轮廓的层次结构，即轮廓中的父子关系。

理论

在前面几篇关于轮廓的文章中，我们使用了OpenCV提供的几个与轮廓相关的函数。但是当我们使用cv.findContours()函数在图像中查找轮廓时，我们传递了一个参数，轮廓检索模式。我们通常传递cv.RETR_LIST或cv.RETR_TREE，它运行良好。但这究竟意味着什么？

此外，在输出中，我们得到了三个数组，第一个是图像，第二个是我们的轮廓，还有一个我们命名为hierarchy的输出（请查看前面文章中的代码）。但是我们从未在任何地方使用过这个hierarchy。那么这个hierarchy是什么，它有什么作用？它与前面提到的函数参数有什么关系？

这就是我们将在本文中讨论的内容。

什么是层次结构？

通常我们使用cv.findContours()函数来检测图像中的物体，对吧？有时物体位于不同的位置。但在某些情况下，一些形状位于其他形状内部。就像嵌套图形一样。在这种情况下，我们将外部形状称为父级，内部形状称为子级。这样，图像中的轮廓彼此之间具有一定的关系。我们可以指定一个轮廓如何与另一个轮廓连接，例如，它是某个其他轮廓的子级，还是父级等等。这种关系的表示称为层次结构。

考虑下面的示例图像

图像

在这张图像中，有一些形状，我已经用0-5编号。2 和 2a表示最外层框的外部和内部轮廓。

这里，轮廓0、1、2是外部或最外层的。我们可以说，它们位于层次结构-0中，或者简单地说它们位于同一层次结构级别。

接下来是轮廓-2a。它可以被认为是轮廓-2的子级（或者反过来，轮廓-2是轮廓-2a的父级）。所以让它在层次结构-1中。类似地，轮廓-3是轮廓-2的子级，它位于下一个层次结构中。最后，轮廓4、5是轮廓-3a的子级，它们位于最后一个层次结构级别。根据我编号框的方式，我会说轮廓-4是轮廓-3a的第一个子级（也可以是轮廓-5）。

我提到这些是为了理解诸如同一层次结构级别、外部轮廓、子轮廓、父轮廓、第一个子级等术语。现在让我们进入OpenCV。

OpenCV中的层次结构表示

因此，每个轮廓都有关于其层次结构、其子级是谁、其父级是谁等的信息。OpenCV将其表示为一个包含四个值的数组：[Next, Previous, First_Child, Parent]

“Next表示同一层次结构级别上的下一个轮廓。”

例如，取我们图片中的轮廓-0。在其同一级别上的下一个轮廓是谁？它是轮廓-1。所以简单地将Next = 1。类似地，对于轮廓-1，下一个是轮廓-2。所以Next = 2。

轮廓-2呢？在同一级别上没有下一个轮廓。所以简单地将Next = -1。轮廓-4呢？它与轮廓-5位于同一级别。所以它的下一个轮廓是轮廓-5，所以Next = 5。

“Previous表示同一层次结构级别上的前一个轮廓。”

这与上面相同。轮廓-1的前一个轮廓是同一级别上的轮廓-0。类似地，对于轮廓-2，它是轮廓-1。对于轮廓-0，没有前一个，所以将其设置为-1。

“First_Child表示其第一个子轮廓。”

无需任何解释。对于轮廓-2，子级是轮廓-2a。因此它获得轮廓-2a的相应索引值。轮廓-3a呢？它有两个子级。但我们只取第一个子级。它是轮廓-4。所以对于轮廓-3a，First_Child = 4。

“Parent表示其父轮廓的索引。”

这与First_Child正好相反。轮廓-4和轮廓-5的父轮廓都是轮廓-3a。对于轮廓-3a，它是轮廓-3，依此类推。

注意: 如果没有子级或父级，则该字段取为-1

所以现在我们知道了OpenCV中使用的层次结构样式，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。即cv.RETR_LIST、cv.RETR_TREE、cv.RETR_CCOMP、cv.RETR_EXTERNAL等标志是什么意思？

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）。它简单地检索所有轮廓，但不创建任何父子关系。父母和孩子在这个规则下是平等的，它们只是轮廓。即它们都属于同一层次结构级别。

因此，这里层次结构数组中的第3项和第4项始终为-1。但显然，Next和Previous项将具有其对应的值。自己检查一下并验证它。

以下是我的结果，每一行都是相应轮廓的层次结构细节。例如，第一行对应于轮廓0。下一个轮廓是轮廓1。所以Next = 1。没有前一个轮廓，所以Previous = -1。至于其余两个，如前所述，它是-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]]])

如果您不使用任何层次结构特性，这是在代码中使用的不错选择。

2. RETR_EXTERNAL

如果您使用此标志，它只返回极端外部标志。所有子轮廓都被遗漏。我们可以说，根据这项法律，每个家庭中只有长子得到照顾。它不关心家庭中的其他成员 :)。

因此，在我们的图像中，有多少个极端外部轮廓？即在层次结构-0级别？只有3个，即轮廓0、1、2，对吗？现在尝试使用此标志查找轮廓。这里每个元素的值也与上面相同。将其与上面的结果进行比较。以下是我的结果

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

如果您只想提取外部轮廓，可以使用此标志。在某些情况下这可能很有用。

3. RETR_CCOMP

此标志检索所有轮廓并将它们排列到一个两级层次结构中。即对象的外部轮廓（即其边界）位于层次结构-1中。对象内部的孔的轮廓（如果有）位于层次结构-2中。如果其内部有任何对象，则其轮廓再次仅位于层次结构-1中。其孔位于层次结构-2中，依此类推。

只需想象一下黑色背景上一个“大大的白色0”。“0”的外圈属于第一层级，内圈属于第二层级。

我们可以用一张简单的图片来解释。这里我用红色标注了轮廓的顺序，用绿色标注了它们所属的层级（1或2）。顺序与OpenCV检测轮廓的顺序相同。

图像

所以考虑第一个轮廓，即轮廓-0。它属于第一层级。它有两个孔，轮廓1和2，它们属于第二层级。因此，对于轮廓-0，相同层级的下一个轮廓是轮廓-3。而它没有前一个轮廓。它的第一个子轮廓是第二层级的轮廓-1。它没有父轮廓，因为它在第一层级。所以它的层级数组是[3,-1,1,-1]

现在来看轮廓-1。它在第二层级。相同层级（在轮廓-1的父级下）的下一个轮廓是轮廓-2。没有前一个轮廓。没有子轮廓，但父轮廓是轮廓-0。所以数组是[2,-1,-1,0]。

同样，轮廓-2：它在第二层级。在轮廓-0下，相同层级没有下一个轮廓。所以没有下一个。前一个是轮廓-1。没有子轮廓，父轮廓是轮廓-0。所以数组是[-1,1,-1,0]。

轮廓-3：第一层级的下一个是轮廓-5。前一个是轮廓-0。子轮廓是轮廓-4，没有父轮廓。所以数组是[5,0,4,-1]。

轮廓-4：它在轮廓-3下的第二层级，并且它没有兄弟轮廓。所以没有下一个，没有前一个，没有子轮廓，父轮廓是轮廓-3。所以数组是[-1,-1,-1,3]。

剩下的你可以自己填写。这是我得到的最终答案

>>> hierarchy
数组([[[ 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

这就是最终结果，完美先生。它检索所有轮廓并创建一个完整的层级关系列表。它甚至能告诉你谁是爷爷、父亲、儿子、孙子，甚至更远……:)。

例如，我使用了上面的图片，为cv.RETR_TREE重写了代码，根据OpenCV给出的结果重新排序轮廓，并对其进行分析。同样，红色字母表示轮廓编号，绿色字母表示层级顺序。

图像

以轮廓-0为例：它位于第0层级。相同层级的下一个轮廓是轮廓-7。没有前一个轮廓。子轮廓是轮廓-1。没有父轮廓。所以数组是[7,-1,1,-1]。

以轮廓-2为例：它位于第1层级。相同层级没有其他轮廓。没有前一个轮廓。子轮廓是轮廓-3。父轮廓是轮廓-1。所以数组是[-1,-1,3,1]。

剩下的部分，请你自己尝试。以下是完整的答案

>>> hierarchy
数组([[[ 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]]])