前言
逼近多邊形是某個圖像輪廓的高度近似，而凸包的提出是為了簡化逼近多邊形的。其實，凸包跟逼近多邊形很像，只不過它是物體最外層的“凸”多邊形。
簡單的概括，凸包是指完全包含原有輪廓，并且僅由輪廓上的點所構(gòu)成的多邊形。凸包的特點是每一處都是凸的，即在凸包內(nèi)連接任意兩點的直線都在凸包的內(nèi)部，并且任意連續(xù)3個點的內(nèi)角小于180度。
在OpenCV中，它給我們提供cv2.convexHull()來獲取輪廓的凸包。其完整定義如下：
def convexHull(points, hull=None, clockwise=None, returnPoints=None):
points：輪廓
hull：返回值，為凸包角點?？梢岳斫鉃槎噙呅蔚狞c坐標(biāo)，或索引。
clockwise：布爾類型，為True時，凸包角點將按順時針方向排列；為False時，為逆時針。
returnPoints：布爾類型，默認(rèn)值True，函數(shù)返回凸包角點的x/y坐標(biāo)；為False時，函數(shù)返回輪廓中凸包角點的索引。
獲取凸包角點
既然，我們已經(jīng)了解了凸包的作用，并且理解了OpenCV提供的函數(shù)。下面，我們隨便選取一張圖，獲取凸包角點。具體代碼如下所示：
import cv2
img = cv2.imread("24.jpg")
cv2.imshow("img", img)
# 轉(zhuǎn)換為灰度圖像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
contours, hierarchy = cv2.findContours(binary, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)
hull=cv2.convexHull(contours[0])
print(hull)
這里，我們隨便獲取了一張圖像，并獲取其凸包的角點。運行之后，角點坐標(biāo)如下：
如果修改參數(shù)returnPoints為False，會返回對應(yīng)的6個索引值。
這里我們再添加一行代碼就可以繪制凸包多邊形了，具體添加的代碼如下：
#獲取hull之后
cv2.polylines(img, [hull], True, (0, 255, 0), 2)
cv2.imshow("img1", img)
運行之后，效果如下所示：
凸缺陷
凸包與輪廓之間的部分我們稱之為凸缺陷。在OpenCV中使用函數(shù)cv2.convexityDefects()獲取凸缺陷，其完整定義如下：
def convexityDefects(contour, convexhull, convexityDefects=None):
contour：輪廓
convexhull：凸包
convexityDefects：返回值，為凸缺陷點集。它是一個數(shù)組，返回的指包括[起點，終點，輪廓上的距離凸包最遠(yuǎn)點，最遠(yuǎn)點到凸包的近似距離]
特別注意，用該函數(shù)計算凸缺陷之前，我們需要使用函數(shù)cv2.convexHull()獲取凸包，但其參數(shù)returnPoints必須為False。
下面，我們來使用該函數(shù)計算上圖的凸缺陷。代碼如下：
import cv2
img = cv2.imread("24.jpg")
cv2.imshow("img", img)
# 轉(zhuǎn)換為灰度圖像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
contours, hierarchy = cv2.findContours(binary, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)
hull = cv2.convexHull(contours[0], returnPoints=False)
defects = cv2.convexityDefects(contours[0], hull)
print(defects)
for i in range(defects.shape[0]):
s, e, f, d = defects[i, 0]
start = tuple(contours[0][s][0])
end = tuple(contours[0][e][0])
far = tuple(contours[0][f][0])
cv2.line(img, start, end, [0, 255, 0], 2)
cv2.circle(img, far, 5, [0, 0, 255], -1)
cv2.imshow("img1", img)
cv2.waitKey()
cv2.destroyAllWindows()
運行之后，效果如下：
如上圖所示，我們用點標(biāo)記出來的凸缺陷，可以看到五角星的每個凹肩都是凸缺陷。
最后可以擴展以下，其中OpenCV提供函數(shù)cv2.isContourConvex()來判斷輪廓是否是凸形的。同時，也提供了cv2.pointPolygonTest()函數(shù)來計算點到多邊形（輪廓）的最短距離，也就是垂線距離，這個計算由稱為點和多邊形的關(guān)系測試。感興趣的讀者可以自己實驗這兩個方函數(shù)。
簡單例子 手勢圖片
接下來，我們將介紹一張稍微難一點的圖片——手勢圖片（finger.jpg），如下所示：
我們將會來尋找這個手勢的凸包?；镜奶幚硭悸愤€是和之前的一致，只是要在二值化以及凸包點集集合的大小上做一些處理，取二值化的閾值為235，凸包點集中的點個數(shù)大于5，完整的Python代碼如下：
import cv2
# 讀取圖片并轉(zhuǎn)至灰度模式
imagepath = 'F://finger.jpg'
img = cv2.imread(imagepath, 1)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 二值化，取閾值為235
ret, thresh = cv2.threshold(gray, 235, 255, cv2.THRESH_BINARY)
# 尋找圖像中的輪廓
image, contours, hierarchy = cv2.findContours(thresh, 2, 1)
# 尋找物體的凸包并繪制凸包的輪廓
for cnt in contours:
hull = cv2.convexHull(cnt)
length = len(hull)
# 如果凸包點集中的點個數(shù)大于5
if length > 5:
# 繪制圖像凸包的輪廓
for i in range(length):
cv2.line(img, tuple(hull[i][0]), tuple(hull[(i+1)%length][0]), (0,0,255), 2)
cv2.imshow('finger', img)
cv2.waitKey()
檢測到的凸包如下圖所示：
可以發(fā)現(xiàn)，一共檢測到2個凸包，一個是整個手勢外圍的凸包，正好包圍整個手，另一個是兩個手指形成的內(nèi)部的圖形，類似于O的凸包，這符合我們的預(yù)期。
到此這篇關(guān)于OpenCV-Python實現(xiàn)凸包的獲取的文章就介紹到這了,更多相關(guān)OpenCV-Python 凸包內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
