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，效果很好。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？有时物体在不同的位置。但在某些情况下，一些形状在其他形状内部。就像嵌套图形一样。在这种情况下，我们将外部图形称为父级，内部图形称为子级。这样，图像中的轮廓彼此之间存在某种关系。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，我已将其编号为0-5。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相同的层次结构级别。

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。同样，轮廓-3 是轮廓-2a 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。根据我给盒子编号的方式，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相同的层次结构级别、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，每个轮廓都有关于它属于哪个层次结构、谁是它的子级、谁是它的父级等信息。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。同样对于轮廓-1，下一个是轮廓-2。所以 Next = 2。

轮廓-2 怎么样？在同一级别上没有下一个轮廓。所以简单地将 Next = -1。轮廓-4 怎么样？它与轮廓-5 在同一级别。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。同样对于轮廓-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。”

不需要任何解释。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 怎么样？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。”

这恰好与First_Child相反。对于轮廓-4 和轮廓-5，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

所以现在我们了解了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）。它只是检索所有轮廓，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。即它们都属于相同的层次结构级别。

因此，这里层次结构数组中的第 3 个和第 4 个项始终为 -1。但显然，Next 和 Previous 项将具有它们对应的值。

2. RETR_EXTERNAL

如果您使用此标志，它只返回极端外部标志。所有子轮廓都被遗留下来。我们可以说，在这个规则下，每个家庭中只有长子得到照顾。它不关心家庭的其他成员）。

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。如果其中有任何对象，则其轮廓仅再次放置在层次结构-1 中。它的孔在层次结构-2 中，依此类推。

只考虑一下黑色背景上“大的白色零”的图像。零的外圆属于第一层次结构，零的内圆属于第二层次结构。

我们可以用一个简单的图像来解释它。在这里，我已经用红色标记了轮廓的顺序，用绿色标记了它们所属的层次结构（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。它是层次结构-1。它有两个孔，轮廓 1 和 2，它们属于层次结构-2。所以对于轮廓-0，同一层次结构级别上的下一个轮廓是轮廓-3。并且没有前一个。它的第一个子级是层次结构-2 中的轮廓-1。它没有父级，因为它位于层次结构-1 中。因此它的层次结构数组为 [3,-1,1,-1]

现在取轮廓-1。它位于层次结构-2 中。同一层次结构（在轮廓-1 的父级下）中的下一个是轮廓-2。没有前一个。没有子级，但父级是轮廓-0。所以数组是 [2,-1,-1,0]。

同样轮廓-2：它位于层次结构-2 中。在轮廓-0 下同一层次结构中没有下一个轮廓。所以没有 Next。前一个是轮廓-1。没有子级，父级是轮廓-0。所以数组是 [-1,1,-1,0]。

轮廓 - 3：层次结构-1 中的下一个是轮廓-5。前一个是轮廓-0。子级是轮廓-4，没有父级。所以数组是 [5,0,4,-1]。

轮廓 - 4：它位于轮廓-3下的层次结构2，并且没有兄弟节点。因此没有下一个，没有上一个，没有子节点，父节点是轮廓-3。所以数组是[-1,-1,-1,3]。

4. RETR_TREE

这是最终的结果，完美先生。它检索所有轮廓并创建一个完整的家族层次结构列表。它甚至会告诉你谁是爷爷、父亲、儿子、孙子，甚至更远…… :)。

例如，我使用了上面的图像，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。再次说明，红色字母表示轮廓编号，绿色字母表示层次结构顺序。

图像

以轮廓-0为例：它位于层次结构-0。相同层次结构中的下一个轮廓是轮廓-7。没有之前的轮廓。子节点是轮廓-1。并且没有父节点。所以数组是[7,-1,1,-1]。

以轮廓-2为例：它位于层次结构-1。同一级别没有轮廓。没有上一个。子节点是轮廓-2。父节点是轮廓-0。所以数组是[-1,-1,2,0]。