036-OpenCV轮廓特征应用-凸包

所以要是有懂这儿是咋回事的大佬请指教一下弟弟，我就是个新手，请大佬指教！！！

其实这早就应该发了，对于这我一直有点小问题，就没发，今天又查了一波资料，算是整明白了。
先说两个概念吧，第一个，啥是凸多边形。

上面竟是我说的，什么虎狼之词？！ 收回我上面说的话，还是有地方没弄明白，但就先这样吧，以后再解决它。
还是先说两个概念，啥是凸多边形，啥是凸包。
凸多边形，好像是初中学的…我是早忘了，凸多边形有三个定义，任意两个顶点间的线段位于多边形的内部或
多边形内任意两个点，其连线全部在多边形内部或边上，那就是凸多边形。
凸包，就是给定平面上的一个(有限)点集(即一组点)，这个点集的凸包就是包含点集中所有点的最小面积的凸多边形。
那好， 矩形是凸多边形吗？ 是，是凸包吗，是，这个我也用下面要说的cv2.isContourConvex()检测出来了，True。
好，那就再来个图形，直角三角形，是凸多边形吗，是，那是凸包吗，是，也不是！
为啥？
我用电脑自带的画图软件画了个直角三角形，如图。

结果：是否为凸包： False
我不甘心，用之前学的画图函数画了个直角三角形，如图：

结果： 是否为凸包： True
我是懵逼了， 还有，菱形是凸多边形吗，第一感觉是，用画图软件画了一个，如图：

结果： 是否为凸包： False ，好，我又去看了凸多边形定义， 有这么一条性质“所有内角小于等于180度”，但是上面菱形哪个不小于180度？ 那我用画图函数画了个内角都为90度的菱形，如图：

结果： 是否为凸包： True 好吧，最后又试了试正五边形，结果是画图软件的不是凸包，画图函数的也不是凸包，，，我是真的懵逼了，有人说是OpenCV3这儿有bug，不好用。
网上几乎对于cv2.isContourConvex()这儿就是简单一句带过“啊，这是检测是不是凸包的”，没了，连个例子都没有，也不知道他们也是这儿弄不明白就一笔带过， 还是别的咋回事。

所以要是有懂这儿是咋回事的大佬请指教一下弟弟，我就是个新手，请大佬指教！！！
接下来上代码。

import cv2           # 导入库
import numpy as np
'''  
    cv2.imread(filename,flags)
# filename为文件名，图片与.py文件在一个文件夹时输入文件名即可
# 不在一个文件夹时输入图片的路径和名字
# flags为图片的颜色类型，默认为1，灰度图像为0
'''
img = cv2.imread('77.jpg')
'''
    np.copy()
# 数组拷贝，理解成备份原图像就行
# 原图像img， 备份图像img1
# 原图像随便改，备份图像还是初始的原图像
'''
img2 = img.copy()
'''
    cv2.cvtColor()
# 颜色空间转换
# img为要转换的图像，后者为转换的格式
# 颜色空间有很多种，最常见的就是RGB颜色空间
# R红色，G绿色，B蓝色，OpenCV中顺序是BGR！！！！！！！
# [255, 0,0]是蓝色，[0, 255, 0]表示绿色，[0， 0， 255]表示红色
    HSV颜色空间
# 也挺常用的，H是色调，S是饱和度，V是明度，具体百度就行
'''
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
'''
cv2.namedWindow(winname,flags)
#  winname是窗口名字
#  flags为窗口显示方式，cv2.WINDOW_NORMAL为正常显示，可以调整大小
# cv2.WINDOW_AUTOSIZE显示原图片的大小，用户不能调整大小
'''
cv2.namedWindow('img', cv2.WINDOW_NORMAL)
'''
   cv2.imshow(winname,mat)
# winname为显示的窗口
# mat 需要显示的图像
'''
cv2.imshow('img', img)
'''
    cv2.blur(src, ksize, dst, anchor, borderType)
    均值滤波
# 用邻域内像素均值来代替该点像素值，均值滤波在去噪的同时也破坏了图像细节部分
#  src 要滤波的图像   ksize 内核的大小  anchor 锚点，即要平滑的点，默认值(-1, -1),即在核中心
#  ksize(3, 3)表示3 * 3的核大小
# dst 输出图像
# borderType 图像像素边界类型，默认就行
'''
img1 = cv2.blur(img, (3, 3))
'''
    cv2.Canny(image, threshold1, threshold2, edges, apertureSize, L2gradient)
# src 输入图像 dst 输出边缘图像
# threshold1: 滞后阈值低阈值(用于边缘连接) threshold2: 滞后阈值高阈值(控制边缘初始段)
# 推荐高低阈值比值在2:1到3:1之间
# apertureSize: 表示Sobel算子孔径大小, 默认值3
# L2gradient: 计算图像梯度幅值的标识
'''
img1 = cv2.Canny(img1, 30, 100)
cv2.namedWindow('img1', cv2.WINDOW_NORMAL)
cv2.imshow('img1', img1)
# 对图片做二值变化
'''
    cv2.threshold(src, thresh, maxval, type, dst)
 给定阈值，可以过滤灰度值过大或过小的点
# src 要滤波的图像  dst 输出图像
# thresh 给定阈值  咋判断选取的这个数的好坏呢？不停尝试。
# 用Otsu 不停尝试
# 多加一个参数：cv2.THRESH_OTSU,这时要把阈值设为 0。然后算法会找到最优阈值.
# 这个最优阈值就是返回值ret。如果不使用Otsu二值化，返回的retVal 值与设定的阈值相等
# maxval cv2.THRESH_BINARY  二值化阈值，大于阈值的部分被置为255，小于部分被置为0
# cv2.THRESH_BINARY_INV     反向二值化阈值，大于阈值部分被置为0，小于部分被置为255
# cv2.THRESH_TOZERO        大于部分保持不变, 小于阈值部分被置为0
# cv2.THRESH_TOZERO_INV    大于阈值部分被置为0，小于部分保持不变
# cv2.THRESH_TRUNC          截断阈值化，大于阈值部分被置为threshold，小于部分保持原样
'''
ret, thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
'''
    cv2.findContours(image, mode, method, contours, hierarchy, offset)
# image 输入图像, 8位单通道图像(一般为二值图)
# contours: 检测到的轮廓, 每个轮廓存储为一个点向量, 即Point类型的vector表示
# hierarchy: 可选的输出向量, 包含图像的拓扑信息。
# 其作为轮廓数量的表示, 包含了许多元素, 每个轮廓contours[i]对应4个hierarchy元素
# hierarchy[i][0]~hierarchy[i][3], 分别表示后一轮廓、前一轮廓、父轮廓、内嵌轮廓的索引编号, 
# 如果没有对应项, 设置为负数
# mode: 轮廓检索模式, 取值如下:
# cv2.RETR_EXTERNAL=0-----表示只检测最外层轮廓
# cv2.RETR_LIST=1------提取所有轮廓并放置在list中, 轮廓不建立等级关系
# cv2.RETR_CCOMP=2------提取所有轮廓并组织为双层结构
# cv2.RETR_TREE =3------提取所有轮廓并重新建立网状轮廓结构
# method: 轮廓的近似方法,有两种：
# cv2.CHAIN_APPROX_SIMPLE 压缩存储，对于水平、垂直或斜向的线段，只会保存端点
# cv2.CHAIN_APPROX_NONE  连续存储所有的轮廓点，任何两个相邻的点都是水平、垂直或斜相邻的
# offset: 每个轮廓的可选偏移量, 默认值Point()
'''
thresh, contours, hierarchy = cv2.findContours(thresh,  cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
print(len(contours))  # 输出轮廓个数
'''
凸包(Convex Hull)是一个计算机几何图形学中的概念
简单来说, 给定二维平面点集, 凸包就是能够将最外层的点连接起来构成的凸多边形, 
它能够包含点集中所有的点。物体的凸包检测常应用在物体识别、手势识别及边界检测等领域。
'''
for cnt in contours:
    print(cnt)
    ret = cv2.isContourConvex(cnt)
    print('是否为凸包：', ret)
    '''
        cv2.convexHull(points, hull, clockwise, returnPoints)
        寻找凸包
    # points: 输入的二维点集, 可以填Mat类型或std::vector
    # hull: 函数调用后找到的凸包
    # clockwise: 操作方向标志符, 当为true时, 输出的凸包为顺时针方向, false为逆时
    # 针方向(假定坐标系x轴指向右，y轴指向上方)
    # returnPoints: 操作标志符, 默认值true. 当标志符为true时, 函数返回凸包各个点, 
      否则返回与凸包点对应的轮廓点的索引
    '''
    hull = cv2.convexHull(cnt)
    for j in range(0, len(hull)):
        '''
            cv2.polylines(img, pts, isClosed, color,thickness, lineType, shift)
        # 画多边形
        # img,被画多边形的图像 pts,多边形顶点 isClosed,为 True 时,闭合多边形,False时,画一条折线
        # color,多边形的颜色,BGR颜色  thickness,线的宽度，-1的时候表示填充圆
        # lineType,有三种cv2.LINE_AA、cv2.LINE_4、cv2.LINE_8
        # cv2.LINE_AA抗锯齿，这种类型的线看起来平滑点
        # shift,坐标精确到小数点后第几位
        '''
        cv2.polylines(img, [hull], True, (0, 0, 255), 2)
cv2.imshow("img", img)  # 显示图片
cv2.imwrite('tubao.jpg', img)
'''
cv2.waitKey(delay)
#  delay为正数时，延时delay毫秒结束
#  想要用按下某个键时退出可用以下方法：
#  if(cv2.waitKey(0)  == ord('q')):
        exit(0)
#别的方法也行，不唯一
'''
if cv2.waitKey(0) & 0xFF == 27:
    exit(0)
'''
cv2.destroyWindow(winname)
#结束窗口，winname为窗口名
cv2.destroyAllWindows() 
#结束所有窗口
'''
cv2.destroyAllWindows()

结果如下图。


找了张图片，结果如下图

最后还是请懂的大佬指教凸包检测那是咋回事！！！！！