【OpenCV图像处理】 凸包（Convex Hull）代码实现案例

什么是凸包(Convex Hull)

任意两点的连线都包含在多边形边界内，还有一个约束条件，就是这个多边形最小。

凸包的应用

物体的凸包检测常应用在物体识别、手势识别及边界检测等领域。
凸包检测常常用在轮廓分析之后。对二值图像进行轮廓分析之后，可以构建每个轮廓的凸包，构建完成之后会返回该凸包包含的点集。根据返回的凸包点集可以绘制该轮廓对应的凸包。一般来说，凸性曲线总是凸出来的，至少是平的。如果有地方凹进去了就被叫做凸性缺陷。

convexHull函数解释

convexHull函数的调用形式

    void convexHull(InputArray points,OutputArray hull,bool clockwise =  false,

                                 bool returnPoints = true)

参数详解：

• InputArray points: 得到的点集，一般是用图像轮廓函数求得的轮廓点

• OutputArray hull: 输出的是凸包的二维xy点的坐标值，针对每一个轮廓形成的

• bool clockwise = false: 表示凸包的方向，顺时针或者逆时针

• bool returnPoint = true: 表示返回点还是点地址的索引

实例代码

#include "opencv2/imgproc.hpp"
#include "opencv2/highgui.hpp"
#include <iostream>

using namespace cv;
using namespace std;

static void help(char** argv)
{
    cout << "\nThis sample program demonstrates the use of the convexHull() function\n"
         << "Call:\n"
         << argv[0] << endl;
}

int main( int argc, char** argv )
{
    CommandLineParser parser(argc, argv, "{help h||}");
    if (parser.has("help"))
    {
        help(argv);
        return 0;
    }
    Mat img(500, 500, CV_8UC3);
    RNG& rng = theRNG();

    for(;;)
    {
        int i, count = (unsigned)rng%100 + 1;

        vector<Point> points;

        for( i = 0; i < count; i++ )
        {
            Point pt;
            pt.x = rng.uniform(img.cols/4, img.cols*3/4);
            pt.y = rng.uniform(img.rows/4, img.rows*3/4);

            points.push_back(pt);
        }

        vector<Point> hull;
        convexHull(points, hull, true);

        img = Scalar::all(0);
        for( i = 0; i < count; i++ )
            circle(img, points[i], 3, Scalar(0, 0, 255), FILLED, LINE_AA);

        polylines(img, hull, true, Scalar(0, 255, 0), 1, LINE_AA);
        imshow("hull", img);

        char key = (char)waitKey();
        if( key == 27 || key == 'q' || key == 'Q' ) // 'ESC'
            break;
    }

    return 0;
}

代码解释：

 int i, count = (unsigned)rng%100 + 1;

        vector<Point> points;

        for( i = 0; i < count; i++ )
        {
            Point pt;
            pt.x = rng.uniform(img.cols/4, img.cols*3/4);
            pt.y = rng.uniform(img.rows/4, img.rows*3/4);

            points.push_back(pt);
        }

随机生成count个点，随机生成的点范围 x(img.cols/4, img.cols3/4),y(img.rows/4, img.rows3/4)这样保正随机生成的点在img的特定区域。

---

convexHull(points, hull, true);

将随机生成的点集points作为输入，hull作为输出，调用convexHull。

---

 for( i = 0; i < count; i++ )
            circle(img, points[i], 3, Scalar(0, 0, 255), FILLED, LINE_AA);

        polylines(img, hull, true, Scalar(0, 255, 0), 1, LINE_AA);
        imshow("hull", img);

将随机生成的所有点画在img上。通过polylines()将凸点合集全部画在img上。最终结果展示：

运行结果