探索 OpenCV-Python 中的轮廓凸性缺陷

人工智能

2023-09-30 18:12:01

深入探索 OpenCV-Python 中的轮廓凸性缺陷

了解凸包和凸性缺陷

在计算机视觉中，轮廓是指图像中与背景对比显著的区域的边界。而凸包则是包裹在轮廓上的一个最小的凸多边形，其中包含轮廓上的所有点，并且没有凹陷部分。凸性缺陷是指凸包上的任何偏差，本质上代表着轮廓的不规则性。

寻找凸性缺陷

OpenCV-Python 提供了强大的 cv2.convexityDefects() 函数来查找轮廓的凸性缺陷。该函数采用一个轮廓作为输入，并返回一个包含所有凸性缺陷信息的元组。每个凸性缺陷由以下参数组成：

起始点： 缺陷的起点
终点： 缺陷的终点
凹陷深度： 从缺陷终点到轮廓边的最远距离

查找点到多边形的最短距离

利用凸性缺陷，我们可以高效地查找点到多边形的最短距离。该距离表示从给定点到轮廓轮廓的最近边缘的距离。算法如下：

找到与给定点最接近的凸性缺陷的起点。
计算从给定点到缺陷终点的距离。
从距离中减去凹陷深度，得到最短距离。

实用应用

凸性缺陷在计算机视觉中有着广泛的应用，包括：

目标检测： 识别具有特定形状特征的物体。
缺陷检测： 检测产品或表面中的不规则性。
手势识别： 基于手部形状和运动识别手势。
形状匹配： 将未知形状与已知形状进行比较。

代码示例

以下代码演示了如何在 OpenCV-Python 中查找轮廓的凸性缺陷：

import cv2
import numpy as np

# 读入图像并灰度化
image = cv2.imread('image.jpg')
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 寻找轮廓
contours, _ = cv2.findContours(gray, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 遍历轮廓
for contour in contours:
    # 查找凸性缺陷
    defects = cv2.convexityDefects(contour, np.zeros_like(contour))

    # 渲染缺陷
    for i in range(defects.shape[0]):
        s, e, f, d = defects[i, 0]
        start = tuple(contour[s][0])
        end = tuple(contour[e][0])
        far = tuple(contour[f][0])
        cv2.line(image, start, end, (0, 255, 0), 2)
        cv2.circle(image, far, 5, (0, 0, 255), -1)

# 显示结果
cv2.imshow('Convexity Defects', image)
cv2.waitKey(0)
cv2.destroyAllWindows()