OpenCV结构分析与形状描述符（9）检测轮廓相对于其凸包的凹陷缺陷函数convexityDefects()的使用

jndingxin

于 2024-09-06 12:57:53 发布

阅读量705

点赞数 8

分类专栏： OpenCV 文章标签： opencv 人工智能计算机视觉

本文链接：https://blog.csdn.net/jndingxin/article/details/141956671

版权

OpenCV 专栏收录该内容

179 篇文章 22 订阅

订阅专栏

操作系统：ubuntu22.04
OpenCV版本：OpenCV4.9
IDE:Visual Studio Code
编程语言：C++11

算法描述

查找一个轮廓的凸性缺陷。
下图显示了一个手部轮廓的凸性缺陷：
在这里插入图片描述
convexityDefects 是 OpenCV 库中的一个函数，用于检测轮廓相对于其凸包的凹陷缺陷。这个函数可以帮助识别轮廓中的凹进去的部分，通常被用来分析手部或其他物体的形状特征。

函数原型


void cv::convexityDefects
(
	InputArray 	contour,
	InputArray 	convexhull,
	OutputArray 	convexityDefects 
)

参数

参数contour 输入的轮廓。
参数convexhull 使用 convexHull 获得的凸包，应包含构成凸包的轮廓点的索引。
参数convexityDefects 凸性缺陷的输出向量。在 C++ 和新的 Python/Java 接口中，每个凸性缺陷表示为一个四元素整数向量（即 Vec4i）：(start_index, end_index, farthest_pt_index, fixpt_depth)，其中索引是原始轮廓中凸性缺陷起始点、终点和最远点的 0 基础索引，而 fixpt_depth 是最远轮廓点与凸包之间距离的定点近似值（带有 8 位小数部分）。也就是说，要获得深度的浮点数值，需要将 fixpt_depth 除以 256.0。

代码示例


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

using namespace std;
using namespace cv;

int main()
{
    // 加载一张图像
    Mat img = imread( "/media/dingxin/data/study/OpenCV/sources/images/hand2.png", IMREAD_GRAYSCALE );
    if ( img.empty() )
    {
        cerr << "Error: Image not found." << endl;
        return -1;
    }

    // 二值化处理
    Mat binImg;
    threshold( img, binImg, 48, 255, THRESH_BINARY_INV );
    //imshow( "er zhi", binImg );


    // 寻找轮廓
    vector< vector< Point > > contours;
    findContours( binImg, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE );

    // 假设我们只处理第一个最大的轮廓
    vector< Point > contour = contours[ 0 ];

    // 计算凸包
    vector< int > hull;
    convexHull( contour, hull );

    // 计算凹陷缺陷
    vector< Vec4i > defects;
    convexityDefects( contour, hull, defects );

    // 在原图上绘制凸包和凹陷缺陷
    Mat drawing = Mat::zeros( img.size(), CV_8UC3 );
    drawContours( drawing, contours, 0, Scalar( 255, 0, 0 ), 2 );  // 绘制轮廓
    //imshow( "Convexity ", drawing );

    // 绘制凹陷缺陷
    for ( size_t i = 0; i < defects.size(); i++ )
    {
        Vec4i defect   = defects[ i ];
        Point start    = contour[ defect[ 0 ] ];
        Point end      = contour[ defect[ 1 ] ];
        Point farthest = contour[ defect[ 2 ] ];

        line( drawing, start, end, Scalar( 0, 255, 0 ), 1 );      // 绘制凹陷缺陷的边缘
        circle( drawing, farthest, 5, Scalar( 0, 0, 255 ), -1 );  // 绘制凹陷缺陷的最远点
    }

    // 显示结果
    imshow( "Original image", img );
    imshow( "Convexity Defects", drawing );
    waitKey( 0 );

    return 0;
}