Opencv C++ 查找轮廓的凸包、多边形、矩形、多边形的外接圆

最新推荐文章于 2024-08-25 10:20:44 发布

我就是不按套路出牌

最新推荐文章于 2024-08-25 10:20:44 发布

阅读量533

点赞数

CC 4.0 BY-SA版权

文章标签： opencv c++ 人工智能

本文链接：https://blog.csdn.net/weixin_43965740/article/details/130101048

该文介绍了使用OpenCV库在图像处理中查找轮廓的各种方法，包括计算轮廓的凸包、近似多边形、外接矩形以及最小外接圆。通过findContours、convexHull、approxPolyDP、boundingRect和minEnclosingCircle等函数实现对轮廓特征的提取和分析。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

查找轮廓的凸包

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

参数解析：

//InputArray points:输入存储类型为vector<Point>或Mat 的二维点集；
//OutputArray hull:输出的凸包的点集（凸包的点集是原始点集的子集）；
//bool clockwise = false:方向标志。假定坐标系的 X 轴指向右侧，Y 轴指向上方，如果为 true，则输出凸包的方向为顺时针方向。否则，它逆时针方向。假定坐标系的 X 轴指向右侧，Y 轴指向上方；
//bool returnPoints = true: 在矩阵的情况下，如果为true时，这个函数返回凸包的点。否则，返回点的索引。当这个输出是vector时，这个参数可以忽视。输出的类型取决于vector的类型；

查找轮廓的多边形

void approxPolyDP(InputArray curve,
                  OutputArray approxCurve,
                  double epsilon,
                  bool closed 
)

参数解析：

//InputArray curve：输入轮廓，可以是一个 vector<Point> 类型或者一个 Mat 类型的点集。需要确保输入的点集是一个封闭轮廓；
//OutputArray approxCurve：输出的多边形近似，可以是一个:vector<Point> 类型或者一个 Mat 类型的点集；
//double epsilon：指定近似精度，也就是近似多边形和原始轮廓之间的最大距离。
//bool closed ：指定输出的多边形是否为封闭图形。如果为 true，则输出多边形是封闭的，否则为非封闭的；

查找轮廓的矩形

Rect boundingRect(InputArray array)

参数解析：

//InputArray array：输入轮廓，可以是一个 vector<Point> 类型或者一个 Mat 类型的点集；

查找轮廓的外接圆

void minEnclosingCircle	(InputArray points,
                         Point2f & center,
                         float & radius 
)

参数解析：

//InputArray points：输入的点集，可以是一个 vector<Point> 类型或者一个 Mat 类型的点集；
//Point2f & center：输出的圆心坐标，类型为 Point2f；
//float & radius：输出的圆半径；

代码演示：

#include<opencv2/opencv.hpp>
#include<iostream>

using namespace cv;
using namespace std;

Mat srcImg, grayImg;
int threshValue = 50, maxValue = 255;

int main(int argc, char** argv)
{
	srcImg = imread("C:/picture/test.jpg");
	if (srcImg.empty())
	{
		std::cout << "Could not load image！";
		return -1;
	}
	cvtColor(srcImg, grayImg, CV_BGR2GRAY);
	blur(grayImg, grayImg, Size(3, 3));
	Mat threshImg;
	threshold(grayImg, threshImg, threshValue, maxValue, THRESH_BINARY);

	vector<vector<Point>>contours;
	findContours(threshImg, contours, RETR_EXTERNAL, CHAIN_APPROX_NONE);

	vector<vector<Point>>approxcurve(contours.size());

	vector<Rect>rect(contours.size());

	vector<Point2f>center(contours.size());
	vector<float>radius(contours.size());

	for (size_t i = 0; i < contours.size(); i++)
	{
		approxPolyDP(contours[i], approxcurve[i], 3, true);
		rect[i]=boundingRect(contours[i]);
		minEnclosingCircle(contours[i], center[i], radius[i]);
	}

	for (size_t i = 0; i < contours.size(); i++)
	{
		circle(srcImg, center[i], radius[i],Scalar(0, 0, 255));
	}
	//drawContours(srcImg, approxcurve, -1, Scalar(0, 0, 255),-1);
	imshow("srcImg", srcImg);

	waitKey(0);
	return 0;
}