结果图：

在介绍形状特征提取之前，先了解几个特征提取的重要函数。

/* 寻找特征函数
findContours( InputOutputArray image, OutputArrayOfArrays contours,
							  OutputArray hierarchy, int mode,
							  int method, Point offset=Point());

*/
/*
image：图像必须是8位单通道图像，可以是灰度图像，但更常用的是二值图像，一般是经过Canny，拉普拉斯等边缘检测算子处理过的二值图像；（函数运行时，这个图像会被直接涂改，因此如果是将来还有用的图像，应该复制之后再传给该函数）
contours：定义为vector<vector<Point>> contours；向量，向量内每个元素保存了一组由连续的Point点构成的点的集合的向量，每一组Point点集就是一个轮廓，有多少轮廓，向量contours就有多少元素；
hierarchy：定义为vector<Vec4i> hierarchy；，表示向量内每一个元素包含了4个int型变量——hierarchy[i][0] —hierarchy[i][3]，分别表示第i个轮廓的后一个轮廓、前一个轮廓、第一条子轮廓、父轮廓的索引编号，如果当前轮廓没有对应的后一个轮廓，前一个轮廓、第一条子轮廓或父嵌轮廓的话，则hierarchy[i][0] —hierarchy[i][3]的相应位被设置为默认值-1；
mode：轮廓提取方式
○ cv::RETR_EXTERNAL：只检测最外围轮廓；
○ cv::RETR_LIST：检测所有的轮廓，但是不建立等级关系；
○ cv::RETR_CCOMP：检测所有的轮廓，但所有轮廓只建立两种等级关系，外围为顶层
○ cv::RETR_TREE：检测所有的轮廓，所有轮廓建立一个等级树结构
method：轮廓的近似方法
○ CV_CHAIN_APPROX_NONE：保存物体边界上所有连续的轮廓点到contours向量中
○ CV_CHAIN_APPROX_SIMPLE：仅保存轮廓的拐点信息，把所有轮廓拐点处的点保存到contours向量中
Point：偏移量，默认为（0，0）没有偏移							
*/
/*绘制轮廓函数
drawContours(InputOutputArray image, InputArrayOfArrays contours,
int contourIdx, const Scalar& color, int thickness=1, int lineType=8,
InputArray hierarchy=noArray(), int maxLevel=INT_MAX, Point offset=Point() )
image：待绘制轮廓的图像；
contours：要绘制的轮廓组，与findContours中输出的contours相同；
contourIdx：指明画第几个轮廓，如果该参数为负值（通常设为-1），则画全部轮廓，
color：指定绘制的颜色或亮度(灰度图像)，如scalar(255,0,255)
thickness：指定线段的宽度
lineType：边框线型，可以是4或8,4代表绘制的线是四连通线（不美观），8代表绘制的线是八连通线（较美观）
hierarchy：对应findContours中输出的hierarchy
maxLevel：限制将在图上绘制的轮廓层次深度，为0表示只绘制“第0层”，以此类推
offset：偏移量，默认为（0，0）没有偏移
*/
/*
approxPolyDP函数
函数的作用：
对图像轮廓点进行多边形拟合

2、函数的调用形式
C++: void approxPolyDP (InputArray curve, OutputArray approxCurve, double epsilon, bool closed)

参数详解;

InputArray curve:一般是由图像的轮廓点组成的点集

OutputArray approxCurve：表示输出的多边形点集

double epsilon：主要表示输出的精度，就是另个轮廓点之间最大距离数，5,6,7，，8，，,，

bool closed：表示输出的多边形是否封闭

*/
/*1.cv2.boundingRect()
能够返回包围轮廓的矩形的边界信息。

函数样式：retval = cv2.boundingRect(array)

参数介绍：

retval 表示返回矩形边界左上角顶点的坐标值及矩形边界的宽和高 ， 也可以是4个返回值形式

x, y, w, h = cv2.boundingRect(array)

array 是灰度图像或轮廓

然后使用函数cv2.drawContours()来绘制矩形包围框。*/

具体实现：

#include <opencv2/imgcodecs.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>
#include <iostream>

using namespace std;
using namespace cv;


void getContours(Mat imgDil, Mat img) {
	vector<vector<Point>> contours;
	vector<Vec4i> hierarchy;

	findContours(imgDil, contours, hierarchy, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);
	//drawContours(img, contours, -1, Scalar(255, 0, 255),2);

	vector<vector<Point>>conPoly(contours.size());
	vector<Rect>boundRect(contours.size());


	//排除干扰
	for (int i = 0;i < contours.size();i++) {
		//计算轮廓面积 
		int area = contourArea(contours[i]);
		string objectType;
		cout << area << endl;
		if (area > 1000) {
			//arcLength(contours[i], true);计算轮廓周长  
			//InputArray类型的curve，输入的向量，二维点（轮廓顶点），可以为std::vector或Mat类型。
			//bool类型的closed，用于指示曲线是否封闭的标识符，一般设置为true。
			float peri = arcLength(contours[i], true);
			//对图像轮廓点进行多边形拟合
			approxPolyDP(contours[i], conPoly[i], 0.02 * peri, true);
			cout << conPoly[i].size() << endl;
			// 表示返回矩形边界左上角顶点的坐标值及矩形边界的宽和高
			boundRect[i] = boundingRect(conPoly[i]);
			//得到特征点
			int objCor = (int)conPoly[i].size();
			//判断图像
			if (objCor == 3) {
				objectType = "Tri";
			}
			if (objCor == 4) {
				float aspRatio = (float)boundRect[i].width / (float)boundRect[i].height;
				cout << aspRatio << endl;
				if (aspRatio > 0.95 && aspRatio < 1.05) {
					objectType = "Square";
				}
				else objectType = "Rect";
			}
			if (objCor > 4) {
				objectType = "Circle";
			}
			//绘制轮廓
			drawContours(img, contours, i, Scalar(255, 0, 255), 2);
			//绘制矩形框
			rectangle(img, boundRect[i].tl(), boundRect[i].br(), Scalar(0, 255, 0), 5);
			//输出判断文本图像
			putText(img, objectType, { boundRect[i].x,boundRect[i].y - 5 },FONT_HERSHEY_PLAIN,1,Scalar(0, 69, 255), 2);

		}
	}
}

int main() {
	string path = "Learn-OpenCV-cpp-in-4-Hours-main\\Resources\\shapes.png";
	Mat img = imread(path),imgGray,imgBlur,imgCanny,imgDil;
	if (img.empty()) {
		printf("could not load image...\n");
		return 0;
	}

	//Preprocessing 预处理
	cvtColor(img, imgGray, COLOR_BGR2GRAY);
	GaussianBlur(imgGray, imgBlur, Size(3, 3), 3, 0);
	Canny(imgBlur, imgCanny, 25, 75);
	Mat kernel = getStructuringElement(MORPH_RECT, Size(3, 3));
	dilate(imgCanny, imgDil, kernel);
	imshow("Image", img);

	getContours(imgDil, img);
	imshow("Image Cont",img);
	waitKey(0);
	destroyAllWindows();
}