OpenCV-Python -- Contours：More Functions

学习目标

• 凸性缺陷（convexity defects）以及如何寻找
• 寻找距离多边形最近的点
• 匹配不同的形状

理论和代码

1. 凸性缺陷（Convexity Defects）

我们之前学习过凸包的相关知识。对象的任何关于凸包（hull）的偏差可以认为是凸性缺陷。OpenCV中，有相应的函数可以得到凸性缺陷，cv2.convexityDefects()，基本的用法如下：

hull = cv2.convexHull(cnt,returnPoints = False)
defects = cv2.convexityDefects(cnt,hull)

需要注意的是：

在寻找凸包的时候，需传递参数：returnPoints = False，这样才能寻找凸性缺陷。

def convexityDefects(contour, convexhull, convexityDefects=None): 
    """
    	功能：寻找凸性缺陷。
    	contour:目标的轮廓，contours,hierarchy = cv2.findContours(thresh,2,1)
    	convexhull:凸包，hull = cv2.convexHull(cnt,returnPoints = False)
		返回值：convexityDefects
    """

凸性缺陷的返回值： [start point, end point, farthest point, approximate distance to farthest point ]. 我们可以在图像上可视化凸性缺陷。我们在起始点和终点之间划线，在最远点画圈。前三个返回值是cnt的索引值，所以我们需取出相应的值，见下面的例子：

import cv2
import numpy as np

img = cv2.imread('star.jpg')
img_gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(img_gray, 127, 255,0)
contours,hierarchy = cv2.findContours(thresh,2,1)
cnt = contours[0]

hull = cv2.convexHull(cnt,returnPoints = False)
defects = cv2.convexityDefects(cnt,hull)
# defects.shape = （5，1，4）
for i in range(defects.shape[0]):
    s,e,f,d = defects[i,0]
    start = tuple(cnt[s][0])
    end = tuple(cnt[e][0])
    far = tuple(cnt[f][0])
    cv2.line(img,start,end,[0,255,0],2)
    cv2.circle(img,far,5,[0,0,255],-1)

cv2.imshow('img',img)
cv2.waitKey(0)
cv2.destroyAllWindows()

运行结果如下：

2. 点多边形测试（Point Polygon Test）

该函数返回图像中的某个点与某个轮廓（contour）的最近距离。当点在轮廓外的话，那么返回负值，轮廓内返回正值，轮廓上为零。比如我们可以计算点（50，50）的最小距离为：

dist = cv2.pointPolygonTest(cnt,(50,50),True)

在这个函数中，第三个参数measureDist，如果为True，那么寻找有符号的距离，如果为False，确认该点与轮廓的关系（轮廓内，外，轮廓上）。如果不想计算距离，那么可以让第三个参数为False，可以提升2-3倍的运行速度。

3. 形状匹配（Match Shapes）

OpenCV中的函数：cv2.matchShapes()可以比对两个形状，或者2个轮廓，然后返回相似性指标。返回值越小，则形状越相近。基于一种图像矩的方法：hu-moment，例子如下：

import cv2
import numpy as np

img1 = cv2.imread('star.jpg',0)
img2 = cv2.imread('star2.jpg',0)

ret, thresh = cv2.threshold(img1, 127, 255,0)
ret, thresh2 = cv2.threshold(img2, 127, 255,0)
contours,hierarchy = cv2.findContours(thresh,2,1)
cnt1 = contours[0]
contours,hierarchy = cv2.findContours(thresh2,2,1)
cnt2 = contours[0]

ret = cv2.matchShapes(cnt1,cnt2,1,0.0)
print(ret)

运行结果如下，从形状B可以看出，即使存在旋转，依然不影响（旋转不变性）：