opencv(21)---轮廓属性特征以及应用之凹包

凸包

基本概念

凸包(Convex Hull)是一个计算机几何图形学中的概念, 简单来说, 给定二维平面点集, 凸包就是能够将最外层的点连接起来构成的凸多边形, 它能够包含点集中所有的点。物体的凸包检测场应用在物体识别、手势识别及边界检测等领域。

寻找凸包—convexHull()

函数原型

points: 输入的二维点集, 可以填Mat类型或std::vector

hull: 函数调用后找到的凸包

clockwise: 操作方向标志符, 当为true时, 输出的凸包为顺时针方向, false为逆时针方向(假定坐标系x轴指向右，y轴指向上方)

returnPoints: 操作标志符, 默认值true. 当标志符为true时, 函数返回凸包各个点, 否则返回凸包各点的指数, 当输出数组是std::vector时, 此标志被忽略

凹包一- - -点集的凹包

代码

Mat img(500, 500, CV_8UC3, Scalar::all(0));  //定义绘制图像
RNG rng;  //定义随机数对象

while(1)
{
char key;
int count = (unsigned int)rng % 100;  //定义点的个数
vector<Point> points;  //定义点集
for(int i=0; i<count; i++)
{
Point pt;
pt.x = rng.uniform(img.cols/4, img.cols*3/4);  //设定点的x范围
pt.y = rng.uniform(img.rows/4, img.rows*3/4);  //设定点的y范围
points.push_back(pt);
}

//检测凸包
vector<int> hull;
convexHull(Mat(points), hull, true);

img = Scalar::all(0);
for(int i = 0; i < count; i++ )
circle(img, points[i], 3, Scalar(rng.uniform(0, 255), rng.uniform(0, 255), rng.uniform(0, 255)), CV_FILLED, CV_AA);

//准备参数
int hullcount = (int)hull.size(); //凸包的边数
Point point0 = points[hull[hullcount-1]]; //连接凸包边的坐标点

//绘制凸包的边
for(int  i = 0; i < hullcount; i++ )
{
Point point = points[hull[i]];
circle(img, point, 8, Scalar(0, 255, 0), 2, 8);
line(img, point0, point, Scalar(255, 255, 255), 2, CV_AA);
point0 = point;
}

//显示效果图
imshow("img", img);

//按下ESC,Q,或者q，程序退出
key = (char)waitKey();
if( key == 27 || key == 'q' || key == 'Q' )
break;
}
return;

运行结果

凹包二- - -轮廓的凹包

代码

Mat srcImg = imread("D:\\1\\12.jpg");
imshow("src", srcImg);
Mat dstImg2 = srcImg.clone();
Mat tempImg(srcImg.rows, srcImg.cols, CV_8UC3, Scalar::all(0));  //用于绘制凸包
Mat dstImg(srcImg.rows, srcImg.cols, CV_8UC3, Scalar::all(0));  //用于绘制轮廓
cvtColor(srcImg, srcImg, CV_BGR2GRAY);
threshold(srcImg, srcImg, 100, 255, CV_THRESH_BINARY); //二值化

vector<vector<Point>> contours;
vector<Vec4i> hierarcy;

findContours(srcImg, contours, hierarcy, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_NONE);
vector<vector<Point>> hull(contours.size());
//凸包是对每个轮廓来进行的
for(int i=0; i<contours.size(); i++)
{
convexHull(Mat(contours[i]), hull[i], true);     //查找凸包
}
for(int i=0; i<contours.size(); i++)
{
drawContours(dstImg, contours, i, Scalar(255, 255, 255), -1, 8);  //绘制轮廓
//drawContours(dstImg, hull, i, Scalar(rand()%255, rand()%255, rand()%255), 2, 8);
drawContours(tempImg, hull, i, Scalar(255, 255, 255), -1, 8);
}
imshow("hull", tempImg);
imshow("contours", dstImg);

运行结果

原图



轮廓



凹包

凸包与轮廓

二者是不同的两个概念，可以利用二者的差，寻找工件的瑕疵区域

Mat srcImg = imread("D:\\1\\10.png");
imshow("src", srcImg);
Mat dstImg2 = srcImg.clone();
Mat tempImg(srcImg.rows, srcImg.cols, CV_8UC3, Scalar::all(0));  //用于绘制凸包
Mat dstImg(srcImg.rows, srcImg.cols, CV_8UC3, Scalar::all(0));  //用于绘制轮廓
cvtColor(srcImg, srcImg, CV_BGR2GRAY);
threshold(srcImg, srcImg, 100, 255, CV_THRESH_BINARY); //二值化

vector<vector<Point>> contours;
vector<Vec4i> hierarcy;

findContours(srcImg, contours, hierarcy, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_NONE);
vector<vector<Point>> hull(contours.size());
//凸包是对每个轮廓来进行的
for(int i=0; i<contours.size(); i++)
{
convexHull(Mat(contours[i]), hull[i], true);     //查找凸包
}
for(int i=0; i<contours.size(); i++)
{
drawContours(dstImg, contours, i, Scalar(255, 255, 255), -1, 8);  //绘制轮廓
//drawContours(dstImg, hull, i, Scalar(rand()%255, rand()%255, rand()%255), 2, 8);
drawContours(tempImg, hull, i, Scalar(255, 255, 255), -1, 8);
}
imshow("hull", tempImg);
imshow("contours", dstImg);

Mat diffImg;
absdiff(tempImg, dstImg, diffImg);  //图像相减
//通过对图像进行腐蚀，来去除边缘的一些区域
Mat element = getStructuringElement(MORPH_RECT, Size(3, 3), Point(-1, -1));
erode(diffImg, diffImg, element);
imshow("diff", diffImg);

vector<vector<Point>> contours2;
vector<Vec4i> hierarcy2;
cvtColor(diffImg, diffImg, CV_BGR2GRAY); //转为灰度图
threshold(diffImg, diffImg, 100, 255, CV_THRESH_BINARY); //二值化

findContours(diffImg, contours2, hierarcy2, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_NONE);
drawContours(dstImg2, contours2, -1, Scalar(0, 0, 255), 2, 8);  //红色绘制缺陷轮廓
imshow("defects", dstImg2);
waitKey(0);

运行结果

凸包缺陷分析—convexityDefects()

函数原型

contour: 表示输入参数检测到的轮廓, 可以用findContours函数获得

convexhull: 输入参数表示检测到的凸包, 可以用convexHull函数获得

convexityDefects: 检测到的最终结果, 应为vector