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成的多邊形。凸包的特點是每一處都是凸的，即在凸包內連接任意兩點的直線都在凸包的內部，并且任意連續3個點的內角小于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。可以理解為多邊形的點坐標，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，默認值True，函數返回凸包角點的x/y坐標；為False時，函數返回輪廓中凸包角點的索引。
獲取凸包角點
既然，我們已經了解了凸包的作用，并且理解了OpenCV提供的函數。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，角點坐標如下：
如果修改參數returnPoints為False，會返回對應的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。它是一個數組，返回的指包括[起點，終點，輪廓上的距離凸包最遠點，最遠點到凸包的近似距離]
特別注意，用該函數計算凸缺陷之前，我們需要使用函數cv2.convexHull()獲取凸包，但其參數returnPoints必須為False。
下面，我們來使用該函數計算上圖的凸缺陷。代碼如下：
import cv2
img = cv2.imread("24.jpg")
cv2.imshow("img", img)
# 轉換為灰度圖像
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cv2.isContourConvex()來判斷輪廓是否是凸形的。同時，也提供了cv2.pointPolygonTest()函數來計算點到多邊形（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系測試。感興趣的讀者可以自己實驗這兩個方函數。
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。基本的處理思路還是和之前的一致，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大于5，完整的Python代碼如下：
import cv2
# 讀取圖片并轉至灰度模式
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：
可以發現，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部的圖形，類似于O的凸包，這符合我們的預期。
到此這篇關于OpenCV-Python實現凸包的獲取的文章就介紹到這了,更多相關OpenCV-Python 凸包內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持腳本之家！
