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

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

扫码关注云+社区

领取腾讯云代金券