OpenCV如何實現(xiàn)物體的凸包檢測

這篇文章主要講解了“OpenCV如何實現(xiàn)物體的凸包檢測”，文中的講解內(nèi)容簡單清晰，易于學習與理解，下面請大家跟著小編的思路慢慢深入，一起來研究和學習“OpenCV如何實現(xiàn)物體的凸包檢測”吧！

1、 凸包

什么是凸包？

解釋：給定二維平面上的點集，凸包就是將最外層的點連接起來構(gòu)成的凸邊形，它是包含點集中所有的點。

如下：用人手圖來舉例說明凸缺陷概念。手周圍深色的線描畫出凸包，A到H被標出的區(qū)域是凸包的各個“缺陷”，這些凸度缺陷提供了手以及手狀態(tài)的特征表現(xiàn)的方法。

2、尋找凸包：convexHull()函數(shù)

說明：convexHull()函數(shù)用于尋找圖像點集中的凸包。

void convexHull(InputArray points,OutputArray hull,bool clockwise=false,bool returnPoints=true)

第一個參數(shù)：輸入的二維點集，可以填Mat類型或者std::vector

第二個參數(shù)：輸出參數(shù)，函數(shù)調(diào)用后找到的凸包。

第三個參數(shù)：操作方向的標識符。當此標識符為True時，輸出的凸包為順時針方向。否則為逆時針方向。

第四個參數(shù)：操作標識符，默認值True。當標識符為真時，函數(shù)返回各個凸包的各個點。否則，它返回凸包各點的指數(shù)。

3、函數(shù)解析之theRNG()

函數(shù)說明：返回默認的隨機數(shù)生成器。如果需要使用生成器獲得一個隨機數(shù)或者初始化一個數(shù)組，可以使用 randu 或者 randn代替。但想要在一個循環(huán)中產(chǎn)生很多隨機數(shù)，那么使用此函數(shù)檢索生成器，會很快。

RNG &rng = theRNG();  //用其引用來接收theRNG函數(shù)返回的隨機數(shù)生成器（RNG就是隨機數(shù)生成器的類）

4 、circle()函數(shù)【回憶】

void circle(CV_IN_OUT Mat& image, Point center, int radius, const Scalar& color, int thickness=1, int lineType=8);

image：為圖像，單通道多通道都行，不需要特殊要求

center：為畫圓的圓心坐標

radius：為圓的半徑

color：為設(shè)定圓的顏色，比如用CV_RGB(255, 0,0)設(shè)置為紅色， CV_RGB(255,255,255)設(shè)置為白色，CV_RGB(0, 0,0)設(shè)置為黑色

thickness：為設(shè)置圓線條的粗細，值越大則線條越粗，為負數(shù)則是填充效果,-1表示繪制實心圓

lineType：表示線形。OpenCV中有三種可以選擇LINE_4、LINE_8、LINE_AA。其中LINE_4表示采用4鄰接的方式繪制，LINE_8表示采用8鄰接的方式繪制，

LINE_AA表示高斯濾波抗鋸齒。

5、基礎(chǔ)示例程序：凸包檢測基礎(chǔ)

說明：隨機生成3~103個坐標值隨機的彩色點，然后將這些點連接起來

#include<opencv2/opencv.hpp>
#include<opencv2/imgproc/imgproc.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<iostream>
using namespace std;
using namespace cv;
int main()
{
    //初始化變量和隨機值
    Mat image(500, 500, CV_8UC3);
    RNG & rng = theRNG();
    while (1)
    {
        char key;
        int count = (unsigned)rng % 100 + 3;//隨機生成點的數(shù)量
        cout << count << endl;
        vector<Point> points;//點值
        //隨機生成點坐標
        for (int i = 0; i < count; i++)
        {
            Point point;
            point.x = rng.uniform(image.cols / 4, image.cols * 3 / 4);//uniform() 方法將隨機生成下一個實數(shù)，它在[x,y]范圍內(nèi)。
            point.y = rng.uniform(image.rows / 4, image.rows * 3 / 4);
            if(i<10)
                cout << "(" << point.x << "," << point.y << ")" << endl;
            points.push_back(point);//C++ vector::push_back 會先創(chuàng)建臨時對象，然后將臨時對象拷貝到容器中
        }
        //檢測凸包
        vector<int> hull;
        convexHull(Mat(points), hull, true);    
        //繪制出隨機顏色的點
        image = Scalar::all(0);
        for (int i = 0; i < count; i++)
        {
            circle(image, points[i], 3, Scalar(rng.uniform(0, 255), rng.uniform(0, 255), rng.uniform(0, 255)), FILLED,LINE_AA);
        }
        //準備參數(shù)
        int hullcount = (int)hull.size();//凸包邊數(shù)
        Point point0 = points[hull[hullcount - 1]];//連接凸包邊的坐標點
        //    cout << hull[0] <<":"<< hull.size()<<endl;
        //繪制凸包的邊
        for (int i = 0; i < hullcount; i++)
        {
            Point point = points[hull[i]];
            line(image, point0, point, Scalar(255, 255, 255), 2, LINE_AA);
            point0 = point;
        }
        imshow("凸包檢測", image);
        key = (char)waitKey();
        if (key == 27 || key == 'q' || key == 'Q')
            break;
    }
    return 0;
}

感謝各位的閱讀，以上就是“OpenCV如何實現(xiàn)物體的凸包檢測”的內(nèi)容了，經(jīng)過本文的學習后，相信大家對OpenCV如何實現(xiàn)物體的凸包檢測這一問題有了更深刻的體會，具體使用情況還需要大家實踐驗證。這里是億速云，小編將為大家推送更多相關(guān)知識點的文章，歡迎關(guān)注！