点多边形测试

目标：基于轮廓与边缘的参考，计算图像中每个像素点到最近轮廓的距离，生成距离系数图像。

应用场景：对象跟踪时，可以判断一个点或对象是否在指定区域内

首先需要获取几何图像的轮廓：

contours, hierachy = cv.findContours(dst, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)

然后计算出每个像素距离轮廓的距离：

dist_flag = cv.pointPolygonTest(contours[i],(col,row),True)

 

代码如下：

def point_ploygon_test_demo():
    src = cv.imread("D:/pythonTest/img/4.jpg")
    cv.imshow("input", src)
    src = cv.GaussianBlur(src, (3, 3), 0)
    grey = cv.cvtColor(src, cv.COLOR_BGR2GRAY)
    ret, dst = cv.threshold(grey, 0, 255, cv.THRESH_BINARY_INV | cv.THRESH_OTSU)
    cv.imshow("output", dst)
    contours, hierachy = cv.findContours(dst, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)
    print(len(contours))
    h,w = dst.shape
    for i in range(len(contours)):
        for row in range(h):
            for col in range(w):
                dist_flag = cv.pointPolygonTest(contours[i],(col,row),True)
                if dist_flag > 0 :
                    src[row,col] = (np.abs(dist_flag)+150,0,0)


    cv.imshow("dist_flag",src)

 

效果如下：