OpenCV 系列 --- 凸包

本文介绍如何使用OpenCV的凸包函数实现特征点的包裹,并通过实例代码演示了生成随机点集、获取凸包并绘制的过程。文章还展示了如何填充凸包区域。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

对某些算法来说,比如在一些利用特征点的算法中,通常需要凸包将一些选定的点包含进来。比如给定如下图(第一行),利用Harris角点检测算法得到一些特征点(第二行),我们想得到包含这些特征点的一个凸包(第三行)。

这里写图片描述

这里写图片描述

这里写图片描述

1 为了得到这个结果,可以利用OpenCV提供的凸包函数,函数原型如下:

void convexHull(InputArray points, OutputArray hull, bool clockwise=false, bool returnPoints=true )
  • points: 输入二维点集,利用Mat或者vector存储
  • hull: 输出的convex hull点集。有两种情况:直接点集合或者points的索引
  • false: 负责顺时针或者逆时针
  • returnPoints: 控制传回的是点集,还是点集的索引

2 程序示例

#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/highgui/highgui.hpp"

using namespace std;
using namespace cv;

int main()
{
    Mat img(600, 600, CV_8UC3);

    RNG& rng = theRNG();

    vector<int> counts;
    int ii;

    int numIter = 10;

//生成10个随机数,每个数代表一次实验中特征点的个数
    for (ii = 0; ii < numIter; ++ii)
    {
        counts.push_back((unsigned)rng % 100 + 3);
    }

    int numPair;
    vector<int>::iterator iter;

    //进行10次实验
    for (iter = counts.begin();iter != counts.end();++iter)
    {
        numPair = *iter;//当前实验中生成的点的个数

        vector<Point> points;

        //生成指定个数的点
        for (ii = 0;ii < numPair;++ii)
        {
            Point pt;
            pt.x = rng.uniform(img.cols / 4, img.cols * 3 / 4);
            pt.y = rng.uniform(img.rows / 4, img.rows * 3 / 4);
            points.push_back(pt);
        }

        vector<int> hull;// 凸包点的索引
        convexHull(points, hull, true);

        //在图上画出生成的这些点
        img = Scalar::all(0);
        for (ii = 0;ii < numPair;++ii)
        {
            circle(img, points[ii], 5, Scalar(0, 255, 0),CV_FILLED,CV_AA);
        }

        int numHull = (int)hull.size();
        Point pt_previous = points[hull[numHull - 1]]; // 凸包点的最后一个

        vector<Point> pt_poly; // 凸包的所有点集合
        for (ii = 0;ii < numHull;++ii)
        {
            Point pt_current = points[hull[ii]];

            pt_poly.push_back(pt_current);
//连接凸包中相邻的点
            line(img, pt_previous, pt_current, Scalar(0, 0, 255), 4, CV_AA);
            pt_previous = pt_current;//这步不可少,将下次线段的起始点重置
        }       

        const Point* allPts[1] = { &pt_poly[0] }; // 二维数组,存储所有的凸包点
        int numberOfPoints = (int)pt_poly.size(); // 凸包点的个数

//对凸包区域进行填充
        fillPoly(img, allPts, &numberOfPoints, 1, Scalar(255, 255, 255), CV_AA);

        imshow("Convex hull example", img);

        char key = (char)waitKey();
        if (key == 27 || key == 'q' || key == 'Q')
        {
            break;
        }
    }
    return 0;
}

在此示例程序中,有如下一句代码

fillPoly(img, allPts, &numberOfPoints, 1, Scalar(255, 255, 255), CV_AA);

这句代码的作用,是对生成的凸包区域进行填充。

3 程序示意图

这里写图片描述

这里写图片描述

这里写图片描述

### OpenCV凸包函数的使用教程 #### 1. 凸包的概念 在计算机视觉领域,凸包是指包围一组点的最小凸多边形。通过计算图像中的轮廓并提取其凸包,可以用于形状分析、手势识别等领域。 #### 2. `cv::convexHull` 的基本用法 OpenCV 提供了一个名为 `cv::convexHull` 的函数来计算给定点集的凸包[^1]。该函数的主要参数包括输入点集合以及返回的结果形式(索引还是实际坐标)。以下是具体说明: - **输入**: 输入是一个二维点数组或向量。 - **输出**: 输出可以是点的实际坐标或者它们对应的索引位置。 - **可选标志**: 如果设置为 `True`,则返回的是点的索引;如果为 `False`,则直接返回点本身。 ```python import numpy as np import cv2 # 创建一些随机点作为示例数据 points = np.array([[0, 0], [1, 0], [1, 1], [0, 1]], dtype=np.int32) # 计算这些点的凸包 hull_indices = cv2.convexHull(points, returnPoints=False) # 返回索引 print("Convex Hull Indices:", hull_indices.flatten()) hull_points = cv2.convexHull(points, returnPoints=True) # 返回实际点 print("Convex Hull Points:", hull_points) ``` 上述代码展示了如何利用 `cv::convexHull` 来获取点集的凸包信息[^4]。 #### 3. 凸缺陷的应用 除了简单的凸包外,还可以进一步研究凸缺陷——即凸包与原始轮廓之间的差异区域。这通常由另一个函数 `cv2.convexityDefects()` 实现[^2]。此方法接受两个主要参数:一个是目标轮廓,另一个是由 `cv::convexHull` 得到的凸壳结构。 下面是一段完整的例子展示如何检测手部图像的手指数量,其中涉及到了凸包及其缺陷的联合应用[^3]: ```python import cv2 import numpy as np # 假设已经有一个二值化后的黑白图 img_binary 和找到的一个最大连通域 cnt (contour) img_binary = ... # 加载你的二值图片 cnt = ... # 获取凸包 hull = cv2.convexHull(cnt, returnPoints=False) # 寻找凸缺陷 defects = cv2.convexityDefects(cnt, hull) if defects is not None: for i in range(defects.shape[0]): s, e, f, d = defects[i][0] start = tuple(cnt[s][0]) end = tuple(cnt[e][0]) farthest_point = tuple(cnt[f][0]) # 绘制线条连接起点终点,并标记最远点 cv2.line(img_binary, start, end, [0, 255, 0], 2) cv2.circle(img_binary, farthest_point, 5, [0, 0, 255], -1) # 显示最终结果 cv2.imshow('Result', img_binary) cv2.waitKey(0) cv2.destroyAllWindows() ``` 这段脚本不仅演示了如何调用相关 API 进行处理,还提供了可视化手段帮助理解整个流程的工作机制。 ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值