OpenCV-Python實現(xiàn)凸包的獲取

更新時間：2021年06月08日 11:53:41 作者：一天一篇Python庫

凸包是一個計算幾何中的概念，在圖像處理過程中，我們常常需要尋找圖像中包圍某個物體的凸包，本文就使用OpenCV實現(xiàn)，感興趣的可以了解一下

前言

逼近多邊形是某個圖像輪廓的高度近似，而凸包的提出是為了簡化逼近多邊形的。其實，凸包跟逼近多邊形很像，只不過它是物體最外層的“凸”多邊形。

簡單的概括，凸包是指完全包含原有輪廓，并且僅由輪廓上的點所構(gòu)成的多邊形。凸包的特點是每一處都是凸的，即在凸包內(nèi)連接任意兩點的直線都在凸包的內(nèi)部，并且任意連續(xù)3個點的內(nèi)角小于180度。

在OpenCV中，它給我們提供cv2.convexHull()來獲取輪廓的凸包。其完整定義如下：

def convexHull(points, hull=None, clockwise=None, returnPoints=None):

points：輪廓

hull：返回值，為凸包角點?？梢岳斫鉃槎噙呅蔚狞c坐標，或索引。

clockwise：布爾類型，為True時，凸包角點將按順時針方向排列；為False時，為逆時針。

returnPoints：布爾類型，默認值True，函數(shù)返回凸包角點的x/y坐標；為False時，函數(shù)返回輪廓中凸包角點的索引。

獲取凸包角點

既然，我們已經(jīng)了解了凸包的作用，并且理解了OpenCV提供的函數(shù)。下面，我們隨便選取一張圖，獲取凸包角點。具體代碼如下所示：

import cv2

img = cv2.imread("24.jpg")

cv2.imshow("img", img)
# 轉(zhuǎn)換為灰度圖像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
contours, hierarchy = cv2.findContours(binary, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)

hull=cv2.convexHull(contours[0])

print(hull)

這里，我們隨便獲取了一張圖像，并獲取其凸包的角點。運行之后，角點坐標如下：

凸包角點

如果修改參數(shù)returnPoints為False，會返回對應的6個索引值。

這里我們再添加一行代碼就可以繪制凸包多邊形了，具體添加的代碼如下：

#獲取hull之后
cv2.polylines(img, [hull], True, (0, 255, 0), 2)
cv2.imshow("img1", img)

運行之后，效果如下所示：

凸包效果

凸缺陷

凸包與輪廓之間的部分我們稱之為凸缺陷。在OpenCV中使用函數(shù)cv2.convexityDefects()獲取凸缺陷，其完整定義如下：

def convexityDefects(contour, convexhull, convexityDefects=None):

contour：輪廓

convexhull：凸包

convexityDefects：返回值，為凸缺陷點集。它是一個數(shù)組，返回的指包括[起點，終點，輪廓上的距離凸包最遠點，最遠點到凸包的近似距離]

特別注意，用該函數(shù)計算凸缺陷之前，我們需要使用函數(shù)cv2.convexHull()獲取凸包，但其參數(shù)returnPoints必須為False。

下面，我們來使用該函數(shù)計算上圖的凸缺陷。代碼如下：

import cv2

img = cv2.imread("24.jpg")
cv2.imshow("img", img)

# 轉(zhuǎn)換為灰度圖像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
contours, hierarchy = cv2.findContours(binary, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)

hull = cv2.convexHull(contours[0], returnPoints=False)

defects = cv2.convexityDefects(contours[0], hull)
print(defects)

for i in range(defects.shape[0]):
    s, e, f, d = defects[i, 0]
    start = tuple(contours[0][s][0])
    end = tuple(contours[0][e][0])
    far = tuple(contours[0][f][0])
    cv2.line(img, start, end, [0, 255, 0], 2)
    cv2.circle(img, far, 5, [0, 0, 255], -1)

cv2.imshow("img1", img)

cv2.waitKey()
cv2.destroyAllWindows()

運行之后，效果如下：

控制臺與圖像

如上圖所示，我們用點標記出來的凸缺陷，可以看到五角星的每個凹肩都是凸缺陷。

最后可以擴展以下，其中OpenCV提供函數(shù)cv2.isContourConvex()來判斷輪廓是否是凸形的。同時，也提供了cv2.pointPolygonTest()函數(shù)來計算點到多邊形（輪廓）的最短距離，也就是垂線距離，這個計算由稱為點和多邊形的關(guān)系測試。感興趣的讀者可以自己實驗這兩個方函數(shù)。

簡單例子手勢圖片

接下來，我們將介紹一張稍微難一點的圖片——手勢圖片（finger.jpg），如下所示：

我們將會來尋找這個手勢的凸包。基本的處理思路還是和之前的一致，只是要在二值化以及凸包點集集合的大小上做一些處理，取二值化的閾值為235，凸包點集中的點個數(shù)大于5，完整的Python代碼如下：

import cv2

# 讀取圖片并轉(zhuǎn)至灰度模式
imagepath = 'F://finger.jpg'
img = cv2.imread(imagepath, 1)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 二值化，取閾值為235
ret, thresh = cv2.threshold(gray, 235, 255, cv2.THRESH_BINARY)

# 尋找圖像中的輪廓
image, contours, hierarchy = cv2.findContours(thresh, 2, 1)

# 尋找物體的凸包并繪制凸包的輪廓
for cnt in contours:
    hull = cv2.convexHull(cnt)
    length = len(hull)
    # 如果凸包點集中的點個數(shù)大于5
    if length > 5:
        # 繪制圖像凸包的輪廓
        for i in range(length):
            cv2.line(img, tuple(hull[i][0]), tuple(hull[(i+1)%length][0]), (0,0,255), 2)

cv2.imshow('finger', img)
cv2.waitKey()

檢測到的凸包如下圖所示：