opencv入门：凸包，利用形状场景算法比较轮廓，轮廓的特征值

最新推荐文章于 2022-12-24 23:22:10 发布

AI路漫漫

最新推荐文章于 2022-12-24 23:22:10 发布

阅读量2.8k

点赞数 3

分类专栏： opencv从入门到放弃文章标签： opencv

本文链接：https://blog.csdn.net/weixin_46192930/article/details/108741582

版权

凸包

逼近多边形是轮廓的高度近似，但是有时候，我们希望使用一个多边形凸包来简化它，凸包和逼近多边形很想，但是是最外层凸起的多边形。凸包指完全包含原有轮廓，并且仅由轮廓上的点所构成的多边形，凸包每一处都是凸的，
在这里插入图片描述
边缘与凸包之间的部分被称为图缺陷，可以用来处理手势识别的问题。

获取凸包

hull = cv2.convexHull( points[, clockwise[, returnPoints]] )

hull凸包角点
clockwise 布尔值，True时，凸包角点将按顺时针方向排序，False就是逆时针排列凸包角点
returnPoints 布尔值默认True，函数返回凸包角点的 x/y 轴坐标，False时，返回轮廓中凸包角点的索引

在这里插入图片描述
看来懂一点PS 还时有用的。。。

凸缺陷

凸包与轮廓之间的部分就是凸缺陷，使用convexityDefects = cv2.convexityDefects( contour, convexhull ) 来获取。返回值时凸缺陷点集，是一个数组，每一行包括的值是 [起点，终点，轮廓上距离凸包最远的点，最远点到凸包的近似距离] .另外前三个值都是轮廓点的索引，要到轮廓点中再寻找。参数就是轮廓和凸包。
在这里插入图片描述
我那个图不好理解，，，，凸缺陷的点就是两个凸包角点连线，然后轮廓上距离这条线最远的点就是凸缺陷的点

需要注意的是，用 cv2.convexityDefects()计算凸缺陷时，要使用凸包作为参数。在查找该凸包时，所使用函数cv2.convexHull()的参数 returnPoints 的值必须是 False。

o = cv2.imread('20.jpg') 
gray = cv2.cvtColor(o,cv2.COLOR_BGR2GRAY) 
ret, binary = cv2.threshold(gray,127,255,cv2.THRESH_BINARY) 
contours, hierarchy = cv2.findContours(binary,
 cv2.RETR_TREE,
 cv2.CHAIN_APPROX_SIMPLE)

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])           # 得到的是索引，要再轮廓中选出来
    end = tuple(cnt[e][0])
    far = tuple(cnt[f][0])
    cv2.line(o,start,end,[0,0,255],2)
    cv2.circle(o,far,5,[255,0,0],-1)

cv2.imshow('result',o)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这里插入图片描述

几何学测试

检测轮廓是否是凸型的

retval = cv2.isContourConvex( contour ) 返回值是布尔值，True表示轮廓是凸的，contour 是判断的轮廓

在这里插入图片描述
可以看到逼近多边形就不是凸型的

点到轮廓的距离
retval = cv2.pointPolygonTest( contour, pt, measureDist ) 用来计算点到多边形轮廓的最短距离（也就是垂线距离），又叫点和多边形的关系测试。

contour 轮廓
pt 待判定的点
measureDist 布尔值，表示距离的判定方式，True时，表示计算颠倒轮廓的距离，如果再轮廓外返回负值，轮廓上返回0，内部就是正数，False 时，不计算距离，只返回 -1,0,1 表示点相对于轮廓的位置，外，上，内。

在这里插入图片描述
A 点再轮廓外，返回的距离时负值。

利用形状场景算法比较轮廓

用矩比较是一种非常有效的办法，但是现在的shape 模块更厉害就是，，，模块中的形状场景算法可以更高效的比较形状

计算形状场景距离

使用距离作为形状比较的度量标准，这是因为形状之间的差异值和距离有相似之处。。。深奥的咱也不懂。。

retval = cv2.createShapeContextDistanceExtractor( [, nAngularBins[, nRadialBins[, innerRadius[, outerRadius[, iterations[, comparer[, transformer]]]]]]] ) 使用这个函数计算形状场景距离，使用形状上下文算法，在每个点上附加一个“形状上下文”描述符，让每个点都能够捕获剩余点相对于它的分布特征，从而提供全局鉴别特征。。。哈哈

返回结果可以通过retval=cv2.ShapeDistanceExtractor.computeDistance(contour1, contour2) 计算两个不同形状之间的距离，参数是两个不同的轮廓。