OpenCV凸包檢測和凸缺陷學習示例

更新時間：2022年06月07日 09:42:54 作者：胖大海pyh

這篇文章主要為大家介紹了OpenCV凸包檢測和凸缺陷學習示例，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進步，早日升職加薪

1、凸包檢測與凸缺陷定義

凸包是將最外層的點連接起來構成的凸多邊形，它能包含點擊中所有的點。物體的凸包檢測常應用在物體識別、手勢識別及邊界檢測等領域。

凸包檢測常常用在輪廓分析之后。對二值圖像進行輪廓分析之后，可以構建每個輪廓的凸包，構建完成之后會返回該凸包包含的點集。根據返回的凸包點集可以繪制該輪廓對應的凸包。一般來說，凸性曲線總是凸出來的，至少是平的。如果有地方凹進去了就被叫做凸性缺陷。

下圖可以更加直接的了解凸包和凸缺陷的定義：

2、opencv相關實現(xiàn)函數(shù)

OpenCV中提供了函數(shù)convexHull 用于對物體輪廓凸包進行檢測，函數(shù)convexityDefect進行凸缺陷的檢測。首先來了解一下各參數(shù)意義：

hull = cv2.convexHull(points, clockwise, returnpoints)

各參數(shù)意義：

points：輸入的輪廓點集

clockwise：方向標志，如果設置為True，輸出的凸包是順時針方向的，否則為逆時針方向。

returnPoints：是否返回點集

hull : 輸出凸包結果，當參數(shù)returnPoints為ture的時候返回凸包的頂點坐標是個點集、returnPoints為false的是返回與凸包點對應的輪廓上的點對應的index

下面這個函數(shù)可以幫助我們找到凸缺陷：

convexityDefects = cv2.convexityDefect(contour， convexhull)

注意：

進行凸檢測時，凸包檢測中的returnPoints要設置為False

凸缺陷返回一個數(shù)組，每一行包含值是起點，終點，最遠的點，到最遠點的近似距離，返回的前三個點都是輪廓索引。

contour：檢測到的輪廓，可以調用findContours函數(shù)得到

convexhull：檢測到的凸包，可以調用convexHull函數(shù)得到。

convexityDefects：輸出參數(shù)，檢測到的最終結果，返回一個數(shù)組，其中每一行包含的值是[起點，終點，最遠的點，到最遠點的近似距離]。前三個點都是輪廓索引。

前三個值得含義分別為：凸缺陷的起始點，凸缺陷的終點，凸缺陷的最深點（即邊緣點到凸包距離最大點）

3、代碼實踐

我們可以在一張圖上顯示輪廓的凸包和凸缺陷。

我們將起點和終點用一條紅線連接，在最遠點畫一個藍色的圓圈，要記住的是返回結果的前三個值是輪廓點的索引。所以我們還要到輪廓點中去找它們。

前三個值得含義分別為：凸缺陷的起始點，凸缺陷的終點，凸缺陷的最深點（即邊緣點到凸包距離最大點）。

凸包檢測和凸缺陷檢測的代碼如下：

# 凸包檢測和凸缺陷
import cv2 as cv
# 讀取圖像
src1 = cv.imread("000.jpg")
# 轉換為灰度圖像
gray = cv.cvtColor(src1, cv.COLOR_BGR2GRAY)
# 二值化
ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)
# 獲取結構元素
k = cv.getStructuringElement(cv.MORPH_RECT, (3, 3))
# 開操作
binary = cv.morphologyEx(binary, cv.MORPH_OPEN, k)
# 輪廓發(fā)現(xiàn)
contours, hierarchy = cv.findContours(binary, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)
# 在原圖上繪制輪廓，以方便和凸包對比，發(fā)現(xiàn)凸缺陷
cv.drawContours(src1, contours, -1, (0, 225, 0), 3)
for c in range(len(contours)):
    # 是否為凸包
    ret = cv.isContourConvex(contours[c])
    # 凸缺陷
    # 凸包檢測，returnPoints為false的是返回與凸包點對應的輪廓上的點對應的index
    hull = cv.convexHull(contours[c], returnPoints=False)
    defects = cv.convexityDefects(contours[c], hull)
    print('defects', defects)
    for j in range(defects.shape[0]):
        s, e, f, d = defects[j, 0]
        start = tuple(contours[c][s][0])
        end = tuple(contours[c][e][0])
        far = tuple(contours[c][f][0])
        # 用紅色連接凸缺陷的起始點和終止點
        cv.line(src1, start, end, (0, 0, 225), 2)
        # 用藍色最遠點畫一個圓圈
        cv.circle(src1, far, 5, (225, 0, 0), -1)
# 顯示
cv.imshow("result", src1)
cv.waitKey(0)
cv.destroyAllWindows()

凸缺陷的部分輸出：前三個為凸缺陷的起始點，凸缺陷的終點，凸缺陷的最深點（即邊緣點到凸包距離最大點）。凸包檢測輸出的也是輪廓上的點的索引。