OpenCV——凸包

 

 

 1 #include <opencv2/opencv.hpp>
 2 #include <iostream>
 3 #include <math.h>
 4 
 5 using namespace cv;
 6 using namespace std;
 7 
 8 
 9 int main(int argc, char** argv)
10 {
11     Mat image(600, 600, CV_8UC3);
12     RNG rng = theRNG();//生成随机数
13 
14     while (1)
15     {
16         char key;//键值
17         int count = (unsigned)rng % 100 + 3;//随机生成点的数量
18         vector<Point> points;//点值
19 
20         //随机生成点坐标
21         for (int i = 0; i < count; i++)
22         {
23             Point point;
24             point.x = rng.uniform(image.cols / 4, image.cols * 3 / 4);
25             point.y = rng.uniform(image.rows / 4, image.rows * 3 / 4);
26 
27             points.push_back(point);
28 
29         }
30     
31 
32         //检测凸包
33         vector<int> hull;
34         convexHull(Mat(points), hull, true);
35 
36         //绘制随机颜色的点
37         image = Scalar::all(0);
38         for (int i = 0; i < count; i++)
39             circle(image, points[i], 3, Scalar(rng.uniform(0, 255), rng.uniform(0, 255), rng.uniform(0, 255)), rng.uniform(0, 255), FILLED, LINE_AA);
40 
41         //准备参数
42         int hullcount = (int)hull.size();//凸包的边数
43         Point point0 = points[hull[hullcount - 1]];//连接凸包边的坐标
44 
45         //绘制凸包的边
46         for (int i = 0; i < hullcount; i++)
47         {
48             Point point = points[hull[i]];
49             line(image, point0, point, Scalar(255, 255, 255), 2, LINE_AA);
50             point0 = point;
51         }
52 
53         imshow("效果图", image);
54 
55 
56 
57         key = (char)waitKey();
58         if (key == 27 | key == 'q' | key == 'Q')
59             break;
60     }
61     return 0;
62 
63 }

 

 

转载于:https://www.cnblogs.com/long5683/p/9692423.html

### 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