opencv C++教程

点多边形测试

pointPolygonTest(
InputArray contour,// 输入的轮廓
Point2f pt, // 测试点
bool measureDist // 是否返回距离值,如果是false,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

 构建一张400x400大小的图片, Mat::Zero(400, 400, CV_8UC1)
画上一个六边形的闭合区域line
发现轮廓
对图像中所有像素点做点 多边形测试,得到距离,归一化后显示。

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

using namespace std;
using namespace cv;
int main(int argc, char** argv) {
    const int r = 100;
    Mat src = Mat::zeros(r * 4, r * 4, CV_8UC1);

    vector<Point2f> vert(6);
    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);
    }

    vector<vector<Point>> contours;
    vector<Vec4i> hierachy;
    Mat csrc;
    src.copyTo(csrc);
    findContours(csrc, contours, hierachy, RETR_TREE, CHAIN_APPROX_SIMPLE, Point(0, 0));
    Mat raw_dist = Mat::zeros(csrc.size(), CV_32FC1);
    for (int row = 0; row < raw_dist.rows; row++) {
        for (int col = 0; col < raw_dist.cols; col++) {
            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);
        }
    }

    double minValue, maxValue;
    minMaxLoc(raw_dist, &minValue, &maxValue, 0, 0, Mat());
    Mat drawImg = Mat::zeros(src.size(), CV_8UC3);
    for (int row = 0; row < drawImg.rows; row++) {
        for (int col = 0; col < drawImg.cols; col++) {
            float dist = raw_dist.at<float>(row, col);
            if (dist > 0) {
                drawImg.at<Vec3b>(row, col)[0] = (uchar)(abs(1.0 - (dist / maxValue)) * 255);
            }
            else if (dist < 0) {
                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));
            }
        }
    }

    const char* output_win = "point polygon test demo";
    char input_win[] = "input image";
    namedWindow(input_win, WINDOW_AUTOSIZE);
    namedWindow(output_win, WINDOW_AUTOSIZE);

    imshow(input_win, src);
    imshow(output_win, drawImg);

    waitKey(0);
    return 0;
}
 

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
OpenCV是一个开源的计算机视觉库提供了丰富的图像处理和计算机视觉算法。它支持多种编程言,包括C++、Python等。下面是一个简单的OpenCV C++教程的介绍: 1. 安装OpenCV:首先,你需要下载并安装OpenCV库。你可以从OpenCV官方网站上下载适合你操作系统的版本,并按照官方文档进行安装。 2. 创建一个OpenCV项目:在C++中使用OpenCV,你需要创建一个C++项目,并将OpenCV库链接到你的项目中。 3. 导入OpenCV库:在你的C++代码中,你需要导入OpenCV库的头文件,例如`#include <opencv2/opencv.hpp>`。 4. 加载和显示图像:使用OpenCV,你可以加载和显示图像。你可以使用`cv::imread()`函数加载图像,并使用`cv::imshow()`函数显示图像。 5. 图像处理:OpenCV提供了许多图像处理函数,例如图像滤波、边缘检测、图像转换等。你可以根据你的需求选择适当的函数来处理图像。 6. 视频处理:除了图像处理,OpenCV还支持视频处理。你可以使用`cv::VideoCapture`类来读取视频,并使用`cv::VideoWriter`类来写入视频。 7. 特征检测和匹配:OpenCV提供了一些常用的特征检测和匹配算法,例如SIFT、SURF、ORB等。你可以使用这些算法来检测和匹配图像中的特征。 8. 目标检测:OpenCV还提供了一些目标检测算法,例如Haar级联分类器、HOG+SVM等。你可以使用这些算法来检测图像中的目标物体。 9. 机器学习:OpenCV还支持一些机器学习算法,例如K均值聚类、支持向量机等。你可以使用这些算法来进行图像分类和识别。 10. 其他功能:除了上述功能,OpenCV还提供了许多其他功能,例如摄像头捕获、图像拼接、图像分割等。 希望以上介绍对你有帮助!如果你有任何进一步的问题,请随时提问。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值