轮廓：更多函数

上一教程： 轮廓属性
下一教程： 轮廓层次结构

目标

• 凸缺陷及其查找方法。
• 查找点到多边形的最短距离
• 匹配不同的形状

理论与代码

1. 凸缺陷

我们在关于轮廓的第二章中了解了什么是凸包。物体偏离此凸包的任何偏差都可以视为凸缺陷。我们可以使用图像将其可视化。我们绘制一条连接起点和终点的线，然后在最远点绘制一个圆。

注意

请记住，为了找到凸缺陷，在查找凸包时必须传递 returnPoints = False。

我们使用函数：cv.convexityDefects (contour, convexhull, convexityDefect)

参数

contour	输入轮廓。
convexhull	使用 convexHull 获得的凸包，它应该包含构成凸包的轮廓点的索引
convexityDefect	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)，其中索引是凸缺陷开始、结束和最远点的原始轮廓中的基于 0 的索引，fixpt_depth 是最远轮廓点与凸包之间距离的定点近似值（具有 8 个分数位）。也就是说，要获得深度的浮点值，将为 fixpt_depth/256.0。

试一试

2. 点多边形测试

此函数查找图像中的点与轮廓之间的最短距离。当点在轮廓外部时，它返回负距离；当点在轮廓内部时，返回正距离；当点在轮廓上时，返回零。

我们使用函数：cv.pointPolygonTest (contour, pt, measureDist)

参数

contour	输入轮廓。
pt	针对轮廓测试的点。
measureDist	如果为真，则函数估计点到最近轮廓边缘的有符号距离。否则，函数只检查点是否在轮廓内。

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

3. 形状匹配

OpenCV 带有一个函数 cv.matchShapes()，它使我们能够比较两种形状或两种轮廓，并返回一个表示相似度的度量值。结果越低，匹配度越好。它是基于 hu 矩值计算的。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，请参见 cv::ShapeMatchModes
parameter	特定于方法的参数（目前不支持）。

试一试