python-opencv Tutorials 一码人翻译（21）图像处理----轮廓检测 --缺陷检测和图形匹配

目标

在这一章中，我们将学习

凸性缺陷及如何找到它们。

从一个点到一个多边形的最短距离

匹配不同的形状

理论和代码

1。凸性缺陷

我们在第二章中看到了凸壳的轮廓。物体与该船体的任何偏差都可以被认为是凸性缺陷。

OpenCV有一个现成的函数来找到这个，cv.convexityDefects().。一个基本的函数调用如下所示：

import cv2 as cv
import numpy as np

img = cv.imread('tu.jpg')
img_gray = cv.cvtColor(img,cv.COLOR_BGR2GRAY)
ret,thresh = cv.threshold(img_gray, 127, 255,0)
im2,contours,hierarchy = cv.findContours(thresh,2,1)
cnt = contours[0]


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

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])
    cv.line(img,start,end,[0,255,0],5)
    cv.circle(img,far,4,[0,0,255],-1)





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

2。多边形点测试
这个函数找到图像中点和等值线之间的最短距离。当点在等值线外时，它返回的距离是负的，当点在里面的时候是正的，如果点在等高线上，则为0。
例如，我们可以检查这个点（50,50），如下所列：主义者=cv.pointPolygonTest（cnt，（50,50），True）
在这个函数中，第三个参数是测量。如果它是真的，它会找到已签名的距离。如果是假的，它会发现这个点是在里面还是在外面，或者在等高线上（它分别返回+1、-1、0）。

3。匹配的形状

OpenCV有一个函数cv.matchShapes() ，它使我们能够比较两个形状，或者两个轮廓，并返回一个显示相似度的度量。结果越低，就越匹配。它是基于hu-力矩值计算的。在文档中解释了不同的测量方法。

import cv2 as cv
import numpy as np

img1 = cv.imread('tu.jpg',0)
img2 = cv.imread('bing.png',0)

ret, thresh = cv.threshold(img1, 127, 255,0)
ret, thresh2 = cv.threshold(img2, 127, 255,0)
im2,contours,hierarchy = cv.findContours(thresh,2,1)
cnt1 = contours[0]
im2,contours,hierarchy = cv.findContours(thresh2,2,1)
cnt2 = contours[0]

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

================= RESTART: C:\Users\ty\Desktop\qwe\teas11.py =================
0.0448651381606871
>>>