Opencv（Python）教程-轮廓（4）凹缺陷（凸缺陷）/点与轮廓关系/形状匹配

最新推荐文章于 2025-06-11 16:42:36 发布

Lecol_leng

最新推荐文章于 2025-06-11 16:42:36 发布

阅读量1.2w

点赞数 2

CC 4.0 BY-SA版权

文章标签：凹缺陷凸缺陷点与轮廓关系形状匹配

本文链接：https://blog.youkuaiyun.com/jjddss/article/details/73548564

本文介绍了OpenCV中利用Python处理轮廓时如何检测对象的凹缺陷和凸缺陷，重点讲解了cv.convexityDefects()函数的使用，以及在轮廓分析中点与轮廓的关系，同时探讨了形状匹配的方法。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

凹缺陷/凸缺陷

前面我们已经学习了轮廓的凸包，对象上的任何凹陷都被成为凸缺陷。OpenCV 中有一个函数 cv.convexityDefect() 可以帮助我们找到凸缺陷。函数调用如下：

import cv2
import numpy as np
img = cv2.imread('star.jpg')
img_gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(img_gray, 127, 255,0)
contours,hierarchy = cv2.findContours(thresh,2,1)
cnt = contours[0]
hull = cv2.convexHull(cnt,returnPoints = False)  ###返回凸包的点的坐标，returnPoints = False时反馈的坐标点在轮廓描述集合中点的编号，
#returnPoints = True时反馈的坐标点位置。为了后面cv2.convexityDefects的使用，此处必须为False

defects = cv2.convexityDefects(cnt,hull) ##反馈的是Nx4的数组，第一列表示的是起点（轮廓集合中点的编号）、第二列表示的是终点（轮廓集合中点的编号）
##第三列表示的是最远点（轮廓集合中点的编号），第四列表示的是最远点到凸轮廓的最短距离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.destroyAllWindow