OpenCV學習筆記(15)——更多的輪廓函數

• 凸缺陷，以及如何找到凸缺陷
• 找某一點到一個多邊形的最短距離　
• 不同形狀的匹配

1.凸缺陷

　　前面已經設計了輪廓的凸包和凸性缺陷的概念。OpenCV中有一個函數cv2.convexityDefect()可以幫助我們找到凸缺陷：　　

hull = cv2.convexHull(cnt,returnPoints=False)#這里必須是False

defect = cv2.convexityDefects(cnt,hull)　　

它會返回一個數組，每一行的值為[起點，終點，最遠的點，到最遠點的近似距離]。我們可以在一張圖上顯示它。我們將起點和終點用一天綠線連接，在最遠點畫一個圓圈。記住返回的前三個值是點在輪廓中的索引，所以要到輪廓中去找到它們：

# -*- coding:utf-8 -*-

import numpy as np
import cv2
from matplotlib import pyplot as plt

im = cv2.imread('10.png')
img = cv2.cvtColor(im,cv2.COLOR_BGR2GRAY)#用這個方式轉換的原因是最后輸出時希望能看到彩色的的輪廓圖
ret,thresh = cv2.threshold(img,127,255,0)

img,contours,hierarchy = cv2.findContours(thresh,1,2)
cnt = contours[0]

hull = cv2.convexHull(cnt,returnPoints=False)#這里必須是False
defect = cv2.convexityDefects(cnt,hull)
#它的輸出包含很多項,可以嘗試輸出一下便可以知道該list的排列格式

for i in range(defect.shape[0]):
 s,e,f,d = defect[i,0]
 start = tuple(cnt[s][0])
 end = tuple(cnt[e][0])
 far = tuple(cnt[f][0])
 cv2.line(im,start,end,[0,255,0],2)
 cv2.circle(im,far,5,[0,0,255],-1)

cv2.imshow('img',im)
cv2.waitKey(0)

 

2.Point Polygon Test

　　求解圖像中的一個點到一個對象的輪廓的最短距離。如果點在輪廓外部，返回值為負。如果在輪廓上，返回值為0,。如果在輪廓外部，返回值為正。例子如下

 　　dist = cv2.pointPolygonTest(cnt,(50,50),True)

　　其中第三個參數是measureDist。如果設為True，會返回最短距離；如果設為False，則只會判斷這個點和輪廓之間的位置關系（返回+1,-1,0）.

　　如果實際運轉中不需要知道最短距離，建議設為False，這樣可以使速度提升2到3倍。

 

3.形狀匹配

　　cv2.matchShape()可以幫我們比較兩個形狀或輪廓的相似度。如果返回值越小，則匹配越好。它是根據Hull矩來確定的。

　　# -*- coding:utf-8 -*-

import numpy as np
import cv2
from matplotlib import pyplot as plt

im = cv2.imread('10.png')
im2 = cv2.imread('11.png')
img = cv2.cvtColor(im,cv2.COLOR_BGR2GRAY)#用這個方式轉換的原因是最后輸出時希望能看到彩色的的輪廓圖
img2 = cv2.cvtColor(im2,cv2.COLOR_BGR2GRAY)

ret,thresh = cv2.threshold(img,127,255,0)
ret,thresh2 = cv2.threshold(img2,127,255,0)

img,contours,hierarchy = cv2.findContours(thresh,1,2)
cnt = contours[0]
img2,contours,hierarchy = cv2.findContours(thresh2,1,2)
cnt2 = contours[0]

ret = cv2.matchShapes(cnt,cnt2,1,0.0)#后面的兩個參數有啥用暫時不知道
print(ret)

根據測試，該匹配對於某些變化如縮放，旋轉，鏡像映射都具有較好的匹配效果