OpenCV + CPP 系列（廿九）点与多边形的关系

文章目录

• ​​一、简介​​
• ​​二、效果演示​​

一、简介

比较常见的判断点与多边形关系的算法有射线法、面积法、点线判断法和弧长法等，算法复杂度都为O(n)，不过只有射线法可以正确用于凹多边形，其他3个只可以用于凸多边形。

测试一个点是否在给定的多边形内部，边缘或者外部

InputArray contour,　　　输入的轮廓

Point2f

pt, 　　　　　　　测试点

bool

measureDist　 　 　是否返回距离值，若为false（1在内面，0在边界上，-1在外部），true返回实际距离（double类型）

)

代码演示：

1. 构建一张400x400大小的图片， Mat::Zero(400, 400, CV_8UC1)
2. 画上一个多边形的闭合区域line
3. 查找轮廓
4. 对图像中所有像素点做点 多边形测试，得到距离，归一化后显示。

头文件 ​​quick_opencv.h​​：声明类与公共函数

#pragma once
#include <opencv2\opencv.hpp>
using namespace cv;

class QuickDemo {
public:
  ...
  void points_polygons_Demo();
};

主函数调用该类的公共成员函数

#include <opencv2\opencv.hpp>
#include <quick_opencv.h>
#include <iostream>
using namespace cv;


int main(int argc, char** argv) {
  Mat src = imread("D:\\Desktop\\maomao.png");
  if (src.empty()) {
    printf("Could not load images...\n");
    return -1;
  }
  namedWindow("input", WINDOW_NORMAL);
  imshow("input", src);

  QuickDemo qk;
  qk.points_polygons_Demo();
  waitKey(0);
  destroyAllWindows();
  return 0;
}

二、效果演示

源文件 ​​quick_demo.cpp​​：实现类与公共函数

void QuickDemo::points_polygons_Demo() {
  // 定义六边形
  const int r = 100;
  Mat src = Mat::zeros(r * 4, r * 4, CV_8UC1);
  vector<Point2f> vert(6);
  vert[0] = Point(3 * r / 2, static_cast<int>(1.34 * r));
  vert[1] = Point(1 * r, 2 * r);
  vert[2] = Point(3 * r / 2, static_cast<int>(2.68 * r));
  vert[3] = Point(5 * r / 2, static_cast<int>(2.68 * r));
  vert[4] = Point(3 * r, 2 * r);
  vert[5] = Point(5 * r / 2, static_cast<int>(1.34 * r));

  // 绘制六边形
  for (int i = 0; i < 6; i++) {
    line(src, vert[i], vert[(i + 1) % 6], Scalar(255), 3, 8);
  }
  imshow("src", src);

  // 查找轮廓
  vector<vector<Point>> contours;
  vector<Vec4i> hieracrhy;
  Mat src_copy = src.clone();
  findContours(src_copy, contours, hieracrhy, RETR_TREE, CHAIN_APPROX_SIMPLE, Point(0, 0));

  // 计算图像所有点到轮廓的距离
  float* dst_ptr;
  Mat raw_dist = Mat::zeros(src_copy.size(), CV_32FC1);
  for (int row = 0; row < src_copy.rows; row++) {
    dst_ptr = raw_dist.ptr<float>(row);
    for (int col = 0; col < src_copy.cols; col++) {
      *dst_ptr++ = saturate_cast<float>(pointPolygonTest(contours[0], Point2f((float)col, (float)row), true));
    }
  }

  // 获取点到轮廓的距离的最大最小值
  double minValue, maxValue;
  minMaxLoc(raw_dist, &minValue, &maxValue, 0, 0, Mat());
  minValue = abs(minValue);
  maxValue = abs(maxValue);
  
  // 绘制距离映射图
  float* dist_ptr;
  Mat drawImg = Mat::zeros(src.size(), CV_8UC3);
  for (int row = 0; row < drawImg.rows; row++) {
    dist_ptr = raw_dist.ptr<float>(row);
    for (int col = 0; col < drawImg.cols; col++) {
      float distance_ = *dist_ptr++;
      if (distance_ > 0) {
        drawImg.at<Vec3b>(row,col)[0] = (uchar)((abs(1.0 - distance_ / maxValue)) * 255);
      }
      else if (distance_ < 0) {
        drawImg.at<Vec3b>(row, col)[2] = (uchar)((abs(1.0 - distance_ / minValue)) * 255);
      }
      else {
        drawImg.at<Vec3b>(row, col)[0] = (uchar)(255);
        drawImg.at<Vec3b>(row, col)[1] = (uchar)(255);
        drawImg.at<Vec3b>(row, col)[2] = (uchar)(255);
      }
    }
  }
  imshow("drawImg", drawImg);
}