opencv 判断点在多边形内外

基于Python 和 OpenCV 画出多边形，以及判断某个点是不是在多边形内。

1、cv2.pointPolygonTest() 函数

函数定义：cv2.pointPolygonTest(contour, pt, measureDist)

函数功能：找到图像里的点和轮廓之间的最短距离. 它返回的距离当点在轮廓外的时候是负值，当点在轮廓内是正值，如果在轮廓上是0。

其中，contour 为轮廓多边形；pt 为坐标点；measureDist, 若为True，是找带符号的距离；若为False，会找点是否在内，外，或轮廓上(相应返回+1, -1, 0)。

测试用例：

import cv2mask = cv2.imread(r"mask.jpg", 0)
mask[mask > 100] = 255
mask[mask != 255] = 0cnts, _ = cv2.findContours(mask, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
print("mask info:", mask.shape, len(cnts))pt0 = (131, 104)  # 外点, 红色
pt1 = (166, 157)  # 轮廓上的点
pt2 = (260, 170)  # 内点
img = cv2.cvtColor(mask, cv2.COLOR_GRAY2BGR)
img = cv2.circle(img, pt0, 2, (0, 0, 255), 2)  # 红色
img = cv2.circle(img, pt1, 2, (0, 255, 0), 2)  # 绿色
img = cv2.circle(img, pt2, 2, (255, 0, 0), 2)  # 蓝色dst0 = cv2.pointPolygonTest(cnts[0], pt0, 1)
dst1 = cv2.pointPolygonTest(cnts[0], pt1, 1)
dst2 = cv2.pointPolygonTest(cnts[0], pt2, 1)
print("dst:", dst0, dst1, dst2)
cv2.imwrite(r"ret.jpg", img)

测试结果：

dst: -58.52 2.82 44.28

图像：

2、cv2.polylines() 函数

函数定义：img = cv2.polylines(img, pts, isClosed, color, thickness, lineType, shift)

其中：

pts 是多边形定点构成的矩阵，将传入的点一次连接。

isClosed - 表示绘制的多边形是否闭合. 如闭合(True)，则每个曲线的最后一个顶点到第一个顶点是连接的，若不闭合(False)，则多边形就不闭合。

示例代码：

import cv2
import numpy as np# 纯白图像
img = np.zeros((500, 500, 3), np.uint8)
img[:] = [255, 255, 255]# 四个顶点坐标
pts = np.array([[100, 100], [200, 20], [370, 6], [450, 200]], np.int32)
# 顶点个数：4，矩阵变成4*1*2维
pts = pts.reshape((-1, 1, 2))  # (4,1,2)
cv2.polylines(img, [pts], isClosed=True, color=(0, 0, 255), thickness=3)
cv2.imwrite(r"a.jpg", img)

结果：

3、关键代码

# 四个顶点坐标
pts = np.array([[100, 100], [200, 20], [370, 6], [450, 200]], np.int32)# 顶点个数：4，矩阵变成4*1*2维
pts = pts.reshape((-1, 1, 2))  # (4,1,2)# 画多边形
img = cv2.polylines(img, [pts], isClosed=True, color=(0, 0, 255), thickness=3)# 测试点与多边形的距离
dist = cv2.pointPolygonTest(pts, (307, 100), True)

扩展阅读：

1、opencv python 轮廓/凸缺陷/PointPolygonTest/形状匹配

opencv python 轮廓/凸缺陷/PointPolygonTest/形状匹配 - SegmentFault 思否

形状匹配：

OpenCV附带了一个函数cv2.matchShapes（），它使我们能够比较两个形状或两个轮廓，并返回一个显示相似性的度量。结果越低，匹配就越好.它是根据hu-moment值计算的。

ret = cv2.matchShapes(cnt1,cnt2,1,0.0)

2、比好好的opencv专栏

https://blog.csdn.net/kakiebu/category_7398390.html