opencv 凹凸检测,opencv缺陷检测常用方法
本文主要为大家介绍OpenCV凸包检测和凸缺陷学习实例。有需要的朋友可以借鉴一下，希望能有所帮助。祝大家进步很大，早日升职加薪。
00-1010 1.凸包检测和凸缺陷的定义2。opencv相关实现函数3。代码练习4。总结。
目录
凸包是连接最外面的点形成的凸多边形，可以包含点击中的所有点。目标凸包检测常用于目标识别、手势识别和边界检测等领域。
轮廓分析后经常使用凸包检测。对二值图像进行轮廓分析后，可以构造每个轮廓的凸包，构造后将返回凸包中包含的点集。根据返回的凸包点集，可以绘制轮廓对应的凸包。一般来说，凸曲线总是凸的，至少是平的。如果有凹进去的地方，就叫凸缺陷。
凸包和凸缺陷的定义可以在下图中更直接的理解：
1、凸包检测与凸缺陷定义
OpenCV提供了凸包函数来检测物体轮廓的凸包，提供了凸包缺陷函数来检测凸起缺陷。让我们先了解一下每个参数的含义：
hull=cv2.convexHull(点，顺时针，返回点)
每个参数的含义：
点：输入轮廓点集。
顺时针：方向标志。如果设置为True，则输出凸包为顺时针方向；否则，就是逆时针方向。
ReturnPoints:是否返回点集。
Hull :输出凸包结果。当参数returnPoints为真时，返回的凸包的顶点坐标是一个点集；如果returnPoints为false，则返回对应于凸包点的轮廓上的点所对应的索引。
下面的函数可以帮助我们找到凸缺陷：
凸度缺陷=cv2 .凸度缺陷(轮廓，凸度壳)
注意：
执行凸检测时，凸包检测中的返回点应设置为False。
凸缺陷返回一个数组。每一行都包含诸如起点、终点、最远点以及到最远点的近似距离等值。返回的前三个点是轮廓索引。
Contour:检测到的轮廓可以通过调用findContours函数获得。
凸包：检测到的凸包可以通过调用凸包函数得到。
凸度缺陷：输出参数，检测到的最终结果，返回一个数组，其中每行包含[起点，终点，最远点，到最远点的近似距离]的值。前三点都是大纲索引。
前三种含义分别是：凸缺陷的起点，凸缺陷的终点，凸缺陷的最深点(即边缘点与凸包距离最大的点)。
2、opencv相关实现函数
我们可以在图上显示轮廓的凸包和凸缺陷。
我们用红线把起点和终点连起来，在最远的点上画一个蓝色的圆。请记住，返回结果的前三个值是轮廓点的索引。所以我们必须在大纲要点中寻找它们。
前三种含义分别是：凸缺陷的起点，凸缺陷的终点，凸缺陷的最深点(即边缘点到凸包距离最大的点)。
凸包检测和凸缺陷检测的代码如下：
#凸包检测和凸缺陷
将cv2作为cv导入
#阅读图像
src1=cv.imread(000.jpg )
#转换为灰度图像
gray=cv.cvtColor(src1，cv。COLOR_BGR2GRAY)
#二值化
ret，binary=cv.threshold(gray，0，255，cv。THRESH_BINARY cv。OTSU)
#获取结构元素
k=cv.getStructuringElement(cv。墨菲_RECT，(3，3))
#运行中
binary=cv.morphologyEx(binary，cv。MORPH_OPEN，k)
#轮廓发现
轮廓，层次=cv.findContours(二进制，cv。RETR _外部，cv。CHAIN_APPROX_SIMPLE)
#在原图上画出轮廓，方便与凸包对比，发现凸起缺陷。
cv.drawContours(src1，Contours，-1，(0，
225, 0), 3)
for c in range(len(contours)):
# 是否为凸包
ret = cv.isContourConvex(contours[c])
# 凸缺陷
# 凸包检测，returnPoints为false的是返回与凸包点对应的轮廓上的点对应的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])
# 用红色连接凸缺陷的起始点和终止点
cv.line(src1, start, end, (0, 0, 225), 2)
# 用蓝色最远点画一个圆圈
cv.circle(src1, far, 5, (225, 0, 0), -1)
# 显示
cv.imshow("result", src1)
cv.waitKey(0)
cv.destroyAllWindows()
凸缺陷的部分输出：前三个为凸缺陷的起始点，凸缺陷的终点，凸缺陷的最深点（即边缘点到凸包距离最大点）。凸包检测输出的也是轮廓上的点的索引。
凸缺陷检测的效果图：
红色为凸包，蓝色点为凸缺陷的最深点（即边缘点到凸包距离最大点），绿色是轮廓。红色与绿色之间的区域即为凸缺陷。
4、总结
（1）cv2.convexityDefect函数进行凸缺陷检测时，凸包检测函数中cv2.convexHull中的returnPoints要设置为False，返回轮廓中与凸包点对应的轮廓点的index。
（2）cv2.convexityDefect函数的返回值是一系列数组，[凸缺陷的起点，凸缺陷的终点，凸缺陷的最深的点，到最远点的近似距离]，前三个是索引值，终点和起点连接即得到凸包。
（3）凸缺陷的最深的点：即边缘点到凸包距离最大点到最远点的近似距离：边缘点到凸包的最大距离。
（4）利用凸包检测可以得到进一步的轮廓信息，可进行边界检测，结合凸缺陷可以实现手势识别和物体识别。
以上就是OpenCV凸包检测和凸缺陷学习示例的详细内容，更多关于OpenCV凸包检测和凸缺陷的资料请关注盛行IT软件开发工作室其它相关文章！
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。