（30）点多边形测试

/*
*点多边形测试
*  概念介绍
        测试一个点是否在给定的多边形内部，边缘或者外部
*API介绍 cv::pointPolygonTest
        pointPolygonTest(
            InputArray  contour,// 输入的轮廓，一个轮廓一个轮廓的做
            Point2f  pt, // 测试点 测试的像素点的位置
            bool  measureDist // 是否测量真实的值，如果不测量真实的值它可能就不返回距离值，如果测的话它就返回一个距离值
                                          //是否返回距离值，如果是false，它就返回3个flag，1表示在内面，0表示在边界上，-1表示在外部，true返回实际距离
        )
        返回数据是double类型
        前提是轮廓，二值化啊Canny啊...获取轮廓
*步骤
        1：构建一张400x400大小的图片， Mat::Zero(400, 400, CV_8UC1) 单通道的 一个通道是8位的
        2：画上一个六边形的闭合区域line
        3：发现轮廓
        4：对图像中所有像素点做点 多边形测试，得到距离，对距离做归一化后显示。发现最大最小值才好做归一化
*/

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

using namespace std;
using namespace cv;

int main()
{
    //画6边形
    const int r = 100;
    Mat src = Mat::zeros(r * 4, r * 4, CV_8UC1); //构建一张400x400大小的图片
    vector<Point2f> vert(6); //定义了6个点
    vert[0] = Point(3 * r / 2, static_cast<int>(1.34*r));
    vert[1] = Point(1 * r, 2 * r);
    vert[2] = Point(3 * r / 2, static_cast<int>(2.866*r));
    vert[3] = Point(5 * r / 2, static_cast<int>(2.866*r));
    vert[4] = Point(3 * r, 2 * r);
    vert[5] = Point(5 * r / 2, static_cast<int>(1.34*r));
    for (int i = 0; i < 6; i++)
    {
        line(src, vert[i], vert[(i + 1) % 6], Scalar(255), 3, 8, 0); //画6条线
    }

    //findContours
    vector<vector<Point>> contours;
    vector<Vec4i> hierachy;
    Mat csrc;
    src.copyTo(csrc);
    findContours(csrc, contours, hierachy, RETR_TREE, CHAIN_APPROX_SIMPLE, Point(0, 0));

    //测试是在轮廓里面还是在轮廓外面
    Mat raw_dist = Mat::zeros(csrc.size(), CV_32FC1); //测试要生成一张图，一张距离的图
    for (int row = 0; row < raw_dist.rows; row++) //对每一个像素做点多边形测试
    {
        for (int col = 0; col < raw_dist.cols; col++)
        { //                                   contour这里只有一个，那个6变形，实际上说再有一个循环，对每一个contour做
            double dist = pointPolygonTest(contours[0], Point2f(static_cast<float>(col), static_cast<float>(row)), true);
            raw_dist.at<float>(row, col) = static_cast<float>(dist);  //得到距离这又设到这里面去
        }
    } //这样就得到了每一个点跟多边形的距离

    //寻找最大最小值
    double minValue, maxValue;
    minMaxLoc(raw_dist, &minValue, &maxValue, 0, 0, Mat()); //一张图像最大最小值的位置在哪

    //根据最大最小值把像素重新算出来然后生成一张图
    Mat drawImg = Mat::zeros(src.size(), CV_8UC3); //这张图是绘制出来的所以叫三通道的RGB的才好交代一点
    for (int row = 0; row < drawImg.rows; row++)
    {
        for (int col = 0; col < drawImg.cols; col++)
        {
            float dist = raw_dist.at<float>(row, col); //对每一个像素获取这个值
            if (dist > 0) //表示在多边形的内部
            {                                    // blue通道
                drawImg.at<Vec3b>(row, col)[0] = (uchar)(abs(1.0 - (dist / maxValue)) * 255); //(dist / maxValue)) * 255 确保它的值在0-255之间，因为它最大也不大过最大值
            }
            else if (dist < 0)  //在多边形的外部
            {
                drawImg.at<Vec3b>(row, col)[2] = (uchar)(abs(1.0 - (dist / minValue)) * 255);
            }
            else
            {
                drawImg.at<Vec3b>(row, col)[0] = (uchar)(abs(255 - dist));
                drawImg.at<Vec3b>(row, col)[1] = (uchar)(abs(255 - dist));
                drawImg.at<Vec3b>(row, col)[2] = (uchar)(abs(255 - dist));
            }
        }
    }
    imshow("input", src);
    imshow("output", drawImg);

    waitKey(0);
    return 0;
}