前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >OpenCV应用 | 计算两条曲线之间的最小距离(附源码)

OpenCV应用 | 计算两条曲线之间的最小距离(附源码)

作者头像
Color Space
发布2021-09-15 15:30:10
3.2K0
发布2021-09-15 15:30:10
举报

导读

本文主要介绍使用OpenCV计算两条曲线之间的最小距离。

实现目标

【计算两条曲线之间的最小距离】

测试图像:

动态效果演示:

实现步骤与代码

实现步骤:

① 分别找到两条曲线的轮廓;

② 计算每条曲线轮廓点与另一条轮廓上点的距离;

③ 记录距离最小值与对应最小值时的点坐标;

④ 绘制结果。

代码实现与演示:

代码语言:javascript
复制
# -*- coding: cp936 -*-

import numpy as np
import math
import cv2

def cal_pt_distance(pt1, pt2):
  dist = math.sqrt(pow(pt1[0]-pt2[0],2) + pow(pt1[1]-pt2[1],2))
  return dist

font = cv2.FONT_HERSHEY_SIMPLEX
img = cv2.imread('test.jpg')
cv2.imshow('src',img)
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
gray = cv2.GaussianBlur(gray, (3,3), 0)

ret,thresh = cv2.threshold(gray, 150, 255, cv2.THRESH_BINARY)
contours,hierarchy = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
#thresh,contours,hierarchy = cv2.findContours(thresh, cv2.RETR_LIST, cv2.CHAIN_APPROX_NONE)

flag = False
minDist = 10000
minPt0 = (0,0)
minPt1 = (0,0)
for i in range(0,len(contours[1])):#遍历所有轮廓
  pt = tuple(contours[1][i][0])
  #print(pt)
  min_dis = 10000
  min_pt = (0,0)
  #distance = cv2.pointPolygonTest(contours[1], pt, False)
  for j in range(0,len(contours[0])):
    pt2 = tuple(contours[0][j][0])
    distance = cal_pt_distance(pt, pt2)
    #print(distance)
    if distance < min_dis:
      min_dis = distance
      min_pt = pt2
      min_point = pt
  if min_dis < minDist:
    minDist = min_dis
    minPt0 = min_point
    minPt1 = min_pt
  temp = img.copy()
  cv2.drawContours(img,contours,1,(255,255,0),1)
  cv2.line(temp,pt,min_pt,(0,255,0),2,cv2.LINE_AA)
  cv2.circle(temp, pt,5,(255,0,255),-1, cv2.LINE_AA)
  cv2.circle(temp, min_pt,5,(0,255,255),-1, cv2.LINE_AA)
  cv2.imshow("img",temp)
  if cv2.waitKey(1)&0xFF ==27: #按下Esc键退出
    flag = True
    break
  if flag:
    break

cv2.line(img,minPt0,minPt1,(0,255,0),2,cv2.LINE_AA)
cv2.circle(img, minPt0,3,(255,0,255),-1, cv2.LINE_AA)
cv2.circle(img, minPt1,3,(0,255,255),-1, cv2.LINE_AA)
cv2.putText(img,("min_dist=%0.2f"%minDist), (minPt1[0],minPt1[1]+15), font, 0.7, (0,255,0), 2)

cv2.imshow('result', img)
cv2.imwrite('result.png',img)
cv2.waitKey(0)
cv2.destroyAllWindows()

最终结果:

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2021-08-20,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 OpenCV与AI深度学习 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 实现目标
  • 实现步骤与代码
相关产品与服务
腾讯云服务器利旧
云服务器(Cloud Virtual Machine,CVM)提供安全可靠的弹性计算服务。 您可以实时扩展或缩减计算资源,适应变化的业务需求,并只需按实际使用的资源计费。使用 CVM 可以极大降低您的软硬件采购成本,简化 IT 运维工作。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档