计算物体的凸包--convexHull()

本文介绍如何使用OpenCV库中的convexHull()函数计算二维点集的凸包,并详细解释了函数参数及其作用。同时,还介绍了Threshold函数的应用,包括其不同阈值类型对图像处理的影响。

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

convexHull()

作用:就算二维点集的凸包。

形式:void convexHull(InputArray points,OutputArray hull,bool clockwise=

false, bool returnPoints=true );

参数:

points:以std::vector or Mat的形式输入二维点集;

hull:输出的凸包;

clockwise:方向标记,true:输出的凸包是顺时针的;false:输出的凸包是逆时针的;

returnPoints:操作标志,true:返回一个凸包;false:返回凸包索引。

附:

Threshold是opencv库中的一个函数

  作用:函数 cvThreshold 对单通道数组应用固定阈值操作。该函数的典型应用是对灰度图像进行阈值操作得到二值图像。(cvCmpS 也可以达到此目的) 或者是去掉噪声,例如过滤很小或很大象素值的图像点。本函数支持的对图像取阈值的方法由 threshold_type 确定。

  形式:void cvThreshold( const CvArr* src, CvArr* dst, double threshold, double max_value, int threshold_type );

  src:原始数组 (单通道 , 8-bit of 32-bit 浮点数)。dst:输出数组,必须与 src 的类型一致,或者为 8-bit。

  threshold:阈值

  max_value:使用 CV_THRESH_BINARY 和 CV_THRESH_BINARY_INV 的最大值。

  threshold_type:阈值类型 threshold_type=CV_THRESH_BINARY:

  如果 src(x,y)>threshold 0,dst(x,y) = max_value, 否则.

  threshold_type=CV_THRESH_BINARY_INV:

  如果 src(x,y)>threshold,dst(x,y) = 0; 否则,dst(x,y) = max_value.

  threshold_typ

 

本函数支持的对图像取阈值的方法由 threshold_type 确定:

threshold_type=CV_THRESH_BINARY:

dst(x,y) = max_value, if src(x,y)>threshold 0, otherwise.

threshold_type=CV_THRESH_BINARY_INV:

dst(x,y) = 0, if src(x,y)>threshold; dst(x,y) = max_value, otherwise.

threshold_type=CV_THRESH_TRUNC:

dst(x,y) = threshold, if src(x,y)>threshold;   dst(x,y) = src(x,y), otherwise.

threshold_type=CV_THRESH_TOZERO:

dst(x,y) = src(x,y), if (x,y)>threshold ;  dst(x,y) = 0, otherwise.

threshold_type=CV_THRESH_TOZERO_INV:

dst(x,y) = 0, if src(x,y)>threshold ;  dst(x,y) = src(x,y), otherwise.

左面是图形化的阈值描述:

2009年3月26日 - 老柯 - 菜鸟的朝圣之路

OpenCV 中,`convexHull()` 函数是一个非常有用的工具,用于找到图像轮廓的凸包,即所有轮廓点中连接起来形成的最外层边界。这个函数通常用于二值图像处理,尤其是在形状分析或物体检测任务中。 当你想要找到一个轮廓中最突出、面积最大的凸包时,可以按照以下步骤操作: 1. **读取并预处理图像**:首先通过 `cv::imread()` 读取图像,并将其转换为灰度图像或二值图像,以便进行后续操作。 2. **边缘检测**:使用 OpenCV 的边缘检测算法(如 Canny 边缘检测)获取图像的轮廓。 3. **轮廓提取**:对边缘图像调用 `findContours()` 函数,它会返回所有的轮廓及其对应的层级。 4. **选择最大轮廓**:从提取的轮廓中选择面积最大的那个,这通常是通过比较每个轮廓的区域(`contourArea()`)来进行的。 5. **计算凸包**:对选定的最大轮廓应用 `convexHull()` 函数,返回的是凸包的顶点集合。 6. **绘制结果**:最后,可以用 `drawContours()` 来在原始图像上画出凸包,显示最突出的部分。 下面是一个简化的示例代码片段(假设 `img` 是输入图像,`contours` 和 `hierarchy` 是轮廓信息): ```cpp vector<vector<Point>> contours = findContours(img, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE); sort(contours.begin(), contours.end(), [](const vector<Point>& a, const vector<Point>& b) { return contourArea(a) > contourArea(b); }); if (!contours.empty()) { vector<Point> hull; convexHull(contours[0], hull); // 假设我们只关心第一个轮廓,如果需要考虑所有轮廓,就循环处理 drawContours(img, {hull}, -1, Scalar(0, 0, 255), 2); // 绘制凸包,颜色为红色 } imshow("Convex Hull", img); ```
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