概念介绍 - 点多边形测试

测试一个点是否在给定的多边形内部，边缘或者外部

API介绍 cv::pointPolygonTest

double pointPolygonTest( //返回数据是类型 InputArray contour,// 输入的轮廓 Point2f pt, // 测试点 bool measureDist // 是否返回距离值，如果是false，1表示在内面，0表示在边界上，-1表示在外部，true返回实际距离 )

演示代码-步骤

构建一张400x400大小的图片， Mat::Zero(400, 400, CV_8UC1)
画上一个六边形的闭合区域line
发现轮廓
对图像中所有像素点做点多边形测试，得到距离，归一化后显示。

程序代码：

#include <opencv2/opencv.hpp>
#include <iostream>
#include <math.h>
using namespace cv;
using namespace std;int main( int argc, char** argv ){// 绘制一张6边形的图像    const int r = 100;Mat src = Mat::zeros(r * 4, r * 4, CV_8UC1);// 绘制一系列点创建一个轮廓:vector<Point2f> vert(6);vert[0] = Point(3 * r / 2, static_cast<int>(1.34*r));   vert[1] = Point(1 * r, 2 * r);vert[2] = Point(3 * r / 2, static_cast<int>(2.866*r));   vert[3] = Point(5 * r / 2, static_cast<int>(2.866*r));vert[4] = Point(3 * r, 2 * r);   vert[5] = Point(5 * r / 2, static_cast<int>(1.34*r));// 在src内部绘制，并显示出来for (int i = 0; i < 6; i++) {line(src, vert[i], vert[(i + 1) % 6], Scalar(255), 3, 8, 0);}char* source_window = "Source";namedWindow( source_window, CV_WINDOW_AUTOSIZE );imshow( source_window, src );// 得到轮廓vector<vector<Point> > contours; vector<Vec4i> hierarchy;//也可以写成：src.copyTo(src_copy);Mat src_copy = src.clone();// findContours 会改动输入图像 src 中元素的值，所以这里需要完全复制一份src//发现轮廓findContours( src_copy, contours, hierarchy, RETR_TREE, CHAIN_APPROX_SIMPLE);// 计算到轮廓的距离，也可以写成：Mat raw_dist = Mat::zeros(src_copy.size(), CV_32FC1);Mat raw_dist( src.size(), CV_32FC1 );//存放图像每个坐标位置到轮廓的距离for (int row = 0; row < raw_dist.rows; row++) {for (int col = 0; col < raw_dist.cols; col++) {double dist = pointPolygonTest(contours[0], Point2f(static_cast<float>(col), static_cast<float>(row)), true);//点多边形测试raw_dist.at<float>(row, col) = static_cast<float>(dist);//raw_dist.at<float>(row,col) = pointPolygonTest( contours[0], Point2f(i,j), true ); }}//绘制原图轮廓Mat dst = Mat::zeros(src.size(), CV_8UC3);for (size_t i = 0; i < contours.size(); i++) {drawContours(dst, contours, i, Scalar(0, i == 0 ? 0 : 255, 255), 2, 8, hierarchy, 0, Point(0, 0));}imshow("foundContours33", dst);// 绘制距离色差图，类似于 距离变换double minVal, maxVal;minMaxLoc( raw_dist, &minVal, &maxVal, 0, 0, Mat() );//获取最大最小距离，方便颜色归一化到255之间minVal = abs(minVal); maxVal = abs(maxVal);// 图形化的显示距离Mat drawImg = Mat::zeros( src.size(), CV_8UC3 );//用彩色图反差距离for (int row = 0; row < drawImg.rows; row++) {for (int col = 0; col < drawImg.cols; col++) {float dist = raw_dist.at<float>(row, col);if (dist > 0) { // 轮廓内部，越靠近轮廓中心点越黑drawImg.at<Vec3b>(row, col)[0] = (uchar)(abs(1.0 - (dist / maxVal)) * 255);//蓝}else if (dist < 0) { // 轮廓外部，越远离轮廓越黑drawImg.at<Vec3b>(row, col)[2] = (uchar)(abs(1.0 - (dist / minVal)) * 255);//红}else { // 轮廓边线上，白色drawImg.at<Vec3b>(row, col)[0] = (uchar)(abs(255 - dist));drawImg.at<Vec3b>(row, col)[1] = (uchar)(abs(255 - dist));drawImg.at<Vec3b>(row, col)[2] = (uchar)(abs(255 - dist));}}}// 创建窗口显示结果namedWindow( "Distance", CV_WINDOW_AUTOSIZE );imshow( "Distance", drawImg );/*  //与上面“图形化的显示距离”代码的功能相同，只是不同的显示方法而已，可以忽略// 图形化的显示距离Mat drawing = Mat::zeros( src.size(), CV_8UC3 );//用彩色图反差距离for( int j = 0; j < src.rows; j++ ){ for( int i = 0; i < src.cols; i++ ){if( raw_dist.at<float>(j,i) < 0 ){ drawing.at<Vec3b>(j,i)[0] = 255 - (int) abs(raw_dist.at<float>(j,i))*255/minVal; }else if( raw_dist.at<float>(j,i) > 0 ){ drawing.at<Vec3b>(j,i)[2] = 255 - (int) raw_dist.at<float>(j,i)*255/maxVal; }else{ drawing.at<Vec3b>(j,i)[0] = 255; drawing.at<Vec3b>(j,i)[1] = 255; drawing.at<Vec3b>(j,i)[2] = 255; }}}// 创建窗口显示结果namedWindow( "drawing", CV_WINDOW_AUTOSIZE );imshow( "drawing", drawing );*/waitKey(0);return(0);
}

运行截图：

参考博客

https://blog.csdn.net/huanghuangjin/article/details/81191011

https://blog.csdn.net/LYKymy/article/details/83210442

OpenCV-图像处理（32、点多边形测试）相关推荐

Java OpenCV 图像处理32.4 视频分析和对象跟踪切换背景
Java OpenCV 图像处理32.4 视频分析和对象跟踪切换背景方法含义解释 bitwise_and "与"操作,即对图像(灰度图像或彩色图像均可)每个像素值进行二进制 ...
OpenCV计算机图像处理 —— 凸性缺陷 + 点多边形测试 + 形状匹配 + 轮廓分层与cv.findContours()
OpenCV计算机图像处理 -- 凸性缺陷 + 点多边形测试 + 形状匹配 + 轮廓分层与cv.findContours() 目录 OpenCV计算机图像处理 -- 凸性缺陷 + 点多边形测试 + 形 ...
OpenCV之imgproc 模块. 图像处理（5）在图像中寻找轮廓计算物体的凸包创建包围轮廓的矩形和圆形边界框为轮廓创建可倾斜的边界框和椭圆轮廓矩多边形测试
在图像中寻找轮廓目标在这个教程中你将学到如何: 使用OpenCV函数 findContours 使用OpenCV函数 drawContours 原理例程教程的代码在下面给出. 你也可以从这里 ...
OpenCV图像处理基础(C++版)
目录 OpenCV环境搭建加载修改保存图像矩阵的掩膜操作 Mat对象图像操作图像混合调整图像亮度与对比度绘制形状与文字模糊图像一模糊图像二膨胀与腐蚀形态学操作形态学操作应用- ...
OpenCV 图像处理编程学习笔记
<OpenCV编程实例代码>各章重点知识点简述第一章 OpenCv环境配置第二章图像及视频的基本操作第二部分图像处理技术第三章图像灰度变换技术第四章图像平滑技术第五章 ...
halcon opencv 图像处理面试指南
珠海某上市公司算法总监: 1.相机标定的原理与坐标系之间的转换,如何转换 2.激光三角原理,如何搭建 3.测量拟合的过程中有哪些算子,原理什么,接着问5,跌代多少次?什么情况最优,如何优化, 4.那个 ...
opencv图像处理总结
opencv图像处理基本操作 1. 矩阵数据类型通用矩阵数据类型: CV_<bit_depth>(S|U|F)C<number_of_channels> 其中,S表示带符号整 ...
OpenCV图像处理（13）——指定区域截取和指定区域复制
前言: 在令人讨厌的的自动屏保中突然看到一张漂亮的图片(懂就行!),就想赶紧按了键盘上的截屏键,当发现无法去掉上面的文字. 于是乎,图像处理的我就和邱邱一起研究如何将其去掉. 思路: 该图片上的文字和 ...
OPENCV图像处理基础
OPENCV图像处理基础 1.图像处理基础 1.1 数字图像 1.1.1 数字图像概念: 1.1.2 数字图像起源: 1.1.3 常见成像方式: 1.1.4 数字图像的应用: 1.1.5 Opencv ...
免费送书啦！《 OpenCV图像处理入门与实践》一本全搞定
OpenCV 的基础图像操作都只是针对图像中的像素点,并不是直接对图像整体进行的操作.而很多时候并不能仅通过改变像素点来进行图像的操作,为此我们需要学习关于图像的算术操作. 1.图像加法对于两张相同 ...

OpenCV-图像处理（32、点多边形测试）

概念介绍 - 点多边形测试

API介绍 cv::pointPolygonTest

演示代码-步骤

程序代码：

运行截图：

参考博客

OpenCV-图像处理（32、点多边形测试）相关推荐

最新文章

热门文章