轮廓：高级函数

上一教程： 轮廓的属性
下一教程： 轮廓层级

目标

• 凸缺陷以及如何寻找这些缺陷
• 在一点到多边形之间找到最短距离
• 匹配不同的形状

理论和代码

1. 凸缺陷

我们在关于轮廓的第二章中看到了什么是凸包。对象对此凸包的任何偏差都可以视为凸缺陷。我们可以使用图像来形象化地表示它。我们绘制一根连接起点和终点的直线，然后在最远点处绘制一个圆圈。

注意

请记住，在寻找凸包时，我们必须传递 returnPoints = False，以便找到凸缺陷。

我们使用函数：cv.convexityDefects (轮廓，凸包，凸缺陷)

参数

轮廓	输入轮廓。
凸包	使用 convexHull 获得的凸包，其中应包含构成凸包的轮廓点的索引
凸缺陷	凸缺陷的输出向量。每个凸缺陷都表示为 4 个元素 (start_index, end_index, farthest_pt_index, fixpt_depth)，其中索引为凸缺陷起始、结束和最远点的原始轮廓中基于 0 的索引，而 fixpt_depth 为最远轮廓点与凸包之间的距离的定点数逼近（带有 8 个小数位）。也就是要获取深度的浮点数，公式为 fixpt_depth/256.0。

试试看

2. 点多边形测试

此函数查找图像中的一点到轮廓之间的最短距离。它返回的距离在点在轮廓外部时为负数，在点在轮廓内部时为正数，在点在轮廓上时为零。

我们使用函数：cv.pointPolygonTest (轮廓，点，measureDist)

参数

轮廓	输入轮廓。
点	针对轮廓进行测试的点。
measureDist	如果为 true，则此函数将估算点到最近轮廓边缘的有符号距离。否则，此函数只会检查点是否在轮廓内。

let dist = cv.pointPolygonTest(cnt, new cv.Point(50, 50), true);

3. 匹配形状

OpenCV 配备了函数 cv.matchShapes()，使用该函数我们可以比较两个形状或两个轮廓，并返回一个显示相似度的度量值。结果越低，匹配越好。它的计算基于 hu-矩值。文档中解释了不同的测量方法。

我们使用函数：cv.matchShapes (contour1, contour2, method, parameter)

参数

contour1	第一个轮廓或灰度图像。
contour2	第二个轮廓或灰度图像。
method	比较方法，请参阅 cv::ShapeMatchModes
parameter	特定方法的参数（当前不受支持）。

试用