Android OpenCV(三十七):轮廓外接多边形(1)

该方法使用的是Douglas-Peucker algorithm(道格拉斯-普克算法)Douglas-Peukcer算法由D.Douglas和T.Peueker于1973年提出,也称为拉默-道格拉斯-普克算法迭代适应点算法分裂与合并算法D-P算法)是将曲线近似表示为一系列点,并减少点的数量的一种算法,是线状要素抽稀的经典算法。用它处理大量冗余的几何数据点,既可以达到数据量精简的目的,又可以在很大程度上保留几何形状的骨架。现有的线化简算法中,有相当一部分都是在该算法基础上进行改进产生的。它的特点是具有平移和旋转不变性,给定曲线与阈值后,抽样结果一定

算法的基本思路为:

对每一条曲线的首末点虚连一条直线,求所有点与直线的距离,并找出最大距离值dmax,用dmax与限差D相比: 若dmax<D,这条曲线上的中间点全部舍去; 若dmax≥D,保留dmax对应的坐标点,并以该点为界,把曲线分为两部分,对这两部分重复使用该方法

算法过程

操作

/**

  • 轮廓外接多边形
  • author: yidong
  • 2020/10/7
    */
    class ContourPolyActivity : AppCompatActivity() {

private lateinit var mBinding: ActivityContourPolyBinding
private var mSource: Mat = Mat()
private var mGray: Mat = Mat()
private var mBinary: Mat = Mat()

override fun onCreate(savedInstanceState: Bundle?) {
super.onCreate(savedInstanceState)
mBinding = DataBindingUtil.setContentView(this, R.layout.activity_contour_poly)
mBinding.presenter = this
val bgr = Utils.loadResource(this, R.drawable.contourpoly)
Imgproc.cvtColor(bgr, mSource, Imgproc.COLOR_BGR2RGB)
Imgproc.cvtColor(bgr, mGray, Imgproc.COLOR_BGR2GRAY)
Imgproc.GaussianBlur(mGray, mGray, Size(5.0, 5.0), 2.0, 2.0)
Imgproc.threshold(
mGray,
mBinary,
20.0,
255.0,
Imgproc.THRESH_BINARY or Imgproc.THRESH_OTSU
)
mBinding.ivLena.showMat(mBinary)
}

fun findRect(flag: Int) {
val tmp = mSource.clone()
val contours = mutableListOf()
val hierarchy = Mat()
Imgproc.findContours(
mBinary,
contours,
hierarchy,
Imgproc.RETR_TREE,
Imgproc.CHAIN_APPROX_SIMPLE
)

for (i in 0 until contours.size) {
when (flag) {
0 -> {
title = “最大外接矩形”
val rect = Imgproc.boundingRect(contours[i])
Imgproc.rectangle(tmp, rect, Scalar(255.0, 255.0, 0.0), 4, Imgproc.LINE_8)
}
1 -> {
title = “最小外接矩形”
val source = MatOfPoint2f()
source.fromList(contours[i].toList())
val rect = Imgproc.minAreaRect(source)
val points = arrayOfNulls(4)
val center = rect.center
rect.points(points)
Log.d(App.TAG, “RotateRect: p o i n t s . t o L i s t ( ) , C e n t e r : {points.toList()}, Center: points.toList(),Centercenter”)
for (j in 0…3) {
Imgproc.line(
tmp,
points[j % 4],
points[(j + 1) % 4],
Scalar(255.0, 255.0, 0.0),
4,
Imgproc.LINE_8
)
}
}
else -> {
title = “轮廓多边形”
val result = MatOfPoint2f()
val source = MatOfPoint2f()
source.fromList(contours[i].toList())
Imgproc.approxPolyDP(source, result, 4.0, true)
Log.d(App.TAG, “Poly: ${result.dump()}”)
val points = result.toArray()
for (j in points.indices) {
Imgproc.line(
tmp,
points[j % points.size],
points[(j + 1) % points.size],
Scalar(255.0, 255.0, 0.0),
4,
Imgproc.LINE_8
)
}
}
}
}
mBinding.ivResult.showMat(tmp)
tmp.release()
hierarchy.release()
}

override fun onDestroy() {
mSource.release()
mGray.release()
mBinary.release()
super.onDestroy()
}
}
效果

最大外接矩形
最小外接矩形
轮廓多边形
源码

github.com/onlyloveyd/…

自我介绍一下,小编13年上海交大毕业,曾经在小公司待过,也去过华为、OPPO等大厂,18年进入阿里一直到现在。

深知大多数初中级Android工程师,想要提升技能,往往是自己摸索成长或者是报班学习,但对于培训机构动则近万的学费,着实压力不小。自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!

因此收集整理了一份《2024年Android移动开发全套学习资料》,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友,同时减轻大家的负担。

img

img

img

img

既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上Android开发知识点,真正体系化!

由于文件比较大,这里只是将部分目录截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且会持续更新!

如果你觉得这些内容对你有帮助,可以扫码获取!!(备注:Android)

最后

愿你有一天,真爱自己,善待自己。

《互联网大厂面试真题解析、进阶开发核心学习笔记、全套讲解视频、实战项目源码讲义》点击传送门即可获取!

/>

最后

愿你有一天,真爱自己,善待自己。

《互联网大厂面试真题解析、进阶开发核心学习笔记、全套讲解视频、实战项目源码讲义》点击传送门即可获取!

  • 18
    点赞
  • 22
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
OpenCV中,轮廓多边形是一种常用的图像处理技术,它用于找到包围轮廓的最小多边形。下面是关于轮廓多边形的原理、作用和应用的简要介绍: 1. 原理: 轮廓多边形的原理是通过计算轮廓的凸包或最小包围矩形来确定多边形。凸包是包围所有轮廓点的最小凸多边形,而最小包围矩形是包围所有轮廓点的最小矩形。 2. 作用: 轮廓多边形在图像处理和计算机视觉中具有多种作用,包括: - 特征提取:通过多边形可以提取轮廓的形状特征,如面积、周长和几何形状等。 - 边界框定位:最小包围矩形可用于定位和包围物体轮廓,用于目标检测和跟踪任务。 - 区域分割:多边形可以帮助分割图像中的不同区域或物体。 - 物体识别和分类:根据多边形的特征,可以实现物体的识别和分类。 3. 应用: 轮廓多边形在各种计算机视觉和图像处理应用中广泛使用,包括但不限于以下领域: - 目标检测和识别:通过最小包围矩形或凸包,可以提取目标的形特征,并进行分类和识别。 - 图像分析和处理:多边形可用于分割图像、提取边界、计算形状特征等。 - 视觉导航和机器人技术:多边形可以帮助机器人或自动导航系统识别和定位目标物体。 - 缺陷检测和质量控制:通过多边形可以检测产品的缺陷、判定质量。 总之,轮廓多边形是一种常用的图像处理技术,可以通过凸包或最小包围矩形来确定轮廓多边形,用于特征提取、边界框定位、区域分割和物体识别等应用。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值