opencv 9 -- 轮廓 其他操作

1 凸缺陷

对象上的任何 凹陷 都被成为凸缺陷

OpenCV 中有一个函数 cv.convexityDefect() 可以帮助我们找到凸缺陷。

函数调用如下

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

注意:如果要查找凸缺陷，在使用函数 cv2.convexHull 找凸包时，
参数 returnPoints 一定要是 False

它会返回一个数组，
其中每一行包含的值是 [起点，终点，最远的点，到最远点的近似距离]。
我们可以在一张图上显示它。
我们将起点和终点用一条绿线 连接，在最远点画一个圆圈，
要记住的是返回结果的前三个值是轮廓点的索引。
所以我们还要到轮廓点中去找它们

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)
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()

2 Point Polygon Test

求解图像中的一个点到一个对象轮廓的最短距离。如果点在轮廓的外部， 返回值为负。如果在轮廓上，返回值为 0。如果在轮廓内部，返回值为正。
下面我们以点(50，50)为例

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

此函数的第三个参数是 measureDist。
如果设置为 True，就会计算最 短距离。
如果是 False，只会判断这个点与轮廓之间的位置关系(返回值为 +1，-1，0)

注意:如果你不需要知道具体距离，建议你将第三个参数设为 False，
这样速 度会提高 2 到 3 倍

3 形状匹配

函数 cv2.matchShape() 可以帮我们比较两个形状或轮廓的相似度。
如 果返回值越小，匹配越好。

它是根据 Hu 矩来计算的

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

结果是:
• A 与自己匹配 0.0
• A 与 B 匹配 0.001946
• A 与 C 匹配 0.326911

注意:Hu 矩是归一化中心矩的线性组合，之所以这样做是为了能够获取代表 图像的某个特征的矩函数，这些矩函数对某些变化如缩放，旋转，镜像映射(除 了 h1)具有不变形