OpenCV——轮廓外接多边形

外接矩形

取轮廓最大外接矩形

Rect boundingRect( InputArray array );
  • array:输入的灰度图像或者2D点集,数据类型为vector或者Mat。

该函数可以求取包含输入图像中物体轮廓或者2D点集的最大外接矩形,函数只有一个参数,可以是灰度图像或者2D点集,灰度图像的参数类型为Mat,2D点集的参数类型为vector或者Mat。该函数的返回值是一个Rect类型的变量,该变量可以直接用rectangle()函数绘制矩形。返回值共有四个参数,前两个参数是最大外接矩形左上角第一个像素的坐标,后两个参数分别表示最大外接矩形的宽和高。 

轮廓最小外接矩形

RotatedRect minAreaRect( InputArray points );
  • points:输入的2D点集合

 该函数可以根据输入的2D点集合计算最小的外接矩形,函数的返回值是RotatedRect类型的变量,含有矩形的中心位置、矩形的宽和高和矩形旋转的角度RotatedRect类具有两个重要的方法和属性,可以输出矩形的四个顶点和中心坐标。输出四个顶点坐标的方法是points(),假设RotatedRect类的变量为rrect,可以通过rrect.points(points)命令进行读取,其中坐标存放的变量是Point2f类型的数组。输出矩形中心坐标的属性是center,假设RotatedRect类的变量为rrect,可以通过opt=rrect.center命令进行读取,其中坐标存放的变量是Point2f类型的变量。

外接多边形 

void approxPolyDP( InputArray curve,
                                OutputArray approxCurve,
                                double epsilon, bool closed );
  • curve:输入轮廓像素点。
  • approxCurve:多边形逼近结果,以多边形顶点坐标的形式给出。
  • epsilon:逼近的精度,即原始曲线和逼近曲线之间的最大距离。
  • closed:逼近曲线是否为封闭曲线的标志, true表示曲线封闭,即最后一个顶点与第一个顶点相连。

该函数根据输入的轮廓得到最佳的逼近多边形。
函数的第一个参数是输入的轮廓2D像素点,数据类型是vector或者Mat。
第二个参数是多边形的逼近结果,以多边形顶点坐标的形式输出,是CV_32SC2类型的N×1的Mat类矩阵,可以通过输出结果的顶点数目初步判断轮廓的几何形状。
第三个参数是多边形逼近时的精度,即原始曲线和逼近曲线之间的最大距离。
第四个参数是逼近曲线是否为封闭曲线的标志, true表示曲线封闭,即最后一个顶点与第一个顶点相连。 

简单示例

//
// Created by smallflyfly on 2021/6/22.
//

#include "opencv2/opencv.hpp"
#include <iostream>

using namespace std;
using namespace cv;

int main() {
    Mat im = imread("rice.jfif");
//    resize(im, im, Size(0, 0), 0.5, 0.5);
    Mat gray;
    cvtColor(im, gray, CV_BGR2GRAY);

    Mat imBin;
    threshold(gray, imBin, 150, 255, THRESH_BINARY);

    vector<vector<Point>> contours;
    findContours(imBin, contours, RETR_EXTERNAL, CHAIN_APPROX_NONE);

    Mat im1 = im.clone();
    Mat im2 = im.clone();
    for (auto & contour : contours) {
        // 最大外接矩阵
        Rect rect = boundingRect(contour);
        rectangle(im, rect, Scalar(0, 0, 255), 1);

        // 最小外接矩形
        RotatedRect rotatedRect = minAreaRect(contour);
        Point2f pts[4];
        rotatedRect.points(pts);
        Point2f pt = rotatedRect.center;
        for (int i = 0; i < 4; ++i) {
            if (i == 3) {
                line(im1, pts[i], pts[0], Scalar(255, 255, 0), 1);
            } else {
                line(im1, pts[i], pts[i+1], Scalar(255, 255, 0), 1);
            }
        }
        circle(im1, pt, 1, Scalar(0, 0, 255), -1);

        // 外接多边形
        Mat ploys;
        approxPolyDP(contour, ploys, 5, true);
        // draw ploy
        Vec2i pt1, pt2;
        for (int i = 0; i < ploys.rows; ++i) {
            if (i == ploys.rows - 1) {
                pt1 = ploys.at<Vec2i>(i);
                pt2 = ploys.at<Vec2i>(0);

            } else {
                pt1 = ploys.at<Vec2i>(i);
                pt2 = ploys.at<Vec2i>(i+1);
            }
            line(im2, pt1, pt2, Scalar(0, 0, 255), 2);
        }
    }

    imshow("im", im);
    imshow("im1", im1);
    imshow("im2", im2);

    waitKey(0);
    destroyAllWindows();

    return 0;

}

  • 0
    点赞
  • 13
    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。
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