本文共 2309 字，大约阅读时间需要 7 分钟。

# coding: utf-8# !/usr/bin/python"""@File       :   轮廓_更多函数.py@Author     :   jiaming@Modify Time:   2020/2/5 16:26@Contact    :   https://blog.csdn.net/weixin_39541632@Version    :   1.0@Desciption :   凸缺陷                找到某一点到一个多边形的最短距离                不同形状的匹配"""import osimport sysimport numpy as npimport cv2import pprintfrom matplotlib import pyplot as pltrawPath = os.path.abspath(__file__)currentFile = os.path.basename(sys.argv[0])dataPath = rawPath[:rawPath.find(currentFile)] + r'static\\'

凸缺陷

"""对象上的任何凹陷都被称为凸缺陷。OpenCV 中有一段函数 cv2.convexityDefect() 可以帮助我们找到凸缺陷。hull = cv2.convexHull(cnt, returnPoints=False)defects = cv2.convexityDefect(cnt, hull) 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]"""img = cv2.imread(dataPath + 'star.png')img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)ret, thresh = cv2.threshold(img_gray, 127, 255, 0)# 图片轮廓contours, hierarchy = cv2.findContours(thresh, 2, 1)cnt = contours[0]# 寻找并绘制凸包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()

Point Polygon Test

"""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。dist = cv2.pointPolygonTest(cnt, (50, 50), True)此函数第三个参数是 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（+1, -1, 0）"""

形状匹配

"""形状匹配比较两个轮廓的近似程度。返回值越小，匹配效果越好。根据 Hu 矩来计算的。"""# 读取图片二值化img1 = cv2.imread(dataPath+'A.png', 0)img2 = cv2.imread(dataPath+'B.png', 0)img3 = cv2.imread(dataPath+'C.png', 0)ret, thresh = cv2.threshold(img1, 127, 255, 0)ret, thresh2 = cv2.threshold(img2, 127, 255, 0)ret, thresh3 = cv2.threshold(img3, 127, 255, 0)# 查找图像轮廓contours, hierarchy = cv2.findContours(thresh, 2, 1)cnt1 = contours[0]contours, hierarchy = cv2.findContours(thresh2, 2, 1)cnt2 = contours[0]contours, hierarchy = cv2.findContours(thresh3, 2, 1)cnt3 = contours[0]# 比较相似度并输出ret = cv2.matchShapes(cnt1, cnt1, 1, 0.0)print('A', ret)ret = cv2.matchShapes(cnt1, cnt2, 1, 0.0)print('B', ret)ret = cv2.matchShapes(cnt1, cnt3, 1, 0.0)print('C', ret)

A 0.0B 1.7976931348623157e+308C 1.7976931348623157e+308

转载地址：https://jiaming.blog.csdn.net/article/details/104185090 如侵犯您的版权，请留言回复原文章的地址，我们会给您删除此文章，给您带来不便请您谅解！