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):