Opencv C++图像处理：点多边形测试 + 矩 + 凸包 + 映射 + 反向投影

文章目录
1、点多边形测试
1.1、计算像素点是在轮廓内部、外部或边界上：cv::pointPolygonTest()
1.2、计算最小值和最大值及其位置：cv::minMaxLoc()
1.3、实战案例
2、矩
2.1、计算多边形或光栅化形状的三阶以下的所有力矩：cv::moments()
2.2、计算轮廓面积：cv::contourArea()
2.3、计算曲线长度或闭合轮廓周长：cv::arcLength()
2.4、实战案例
3、凸包
3.1、计算凸包：cv::convexHull()
3.2、实战案例
4、映射
4.1、像素重映射：cv::remap()
4.2、实战案例
5、反向投影
5.1、将指定通道从输入阵列复制到输出阵列的指定通道：cv::mixChannels()
5.2、计算直方图的反向投影：cv::calcBackProject()
5.3、实战案例
1、点多边形测试
1.1、计算像素点是在轮廓内部、外部或边界上：cv::pointPolygonTest()
#include <opencv2/imgproc.hpp>
函数说明：double cv::pointPolygonTest( InputArray contour, Point2f pt, bool measureDist );
输入参数：
                contour                    输入轮廓。
                pt                        测试点坐标。
                measureDist             是否返回距离值。
                                
返回值：            若measureDist=True，返回点到最近轮廓边的有符号距离。
                若measureDist=False时，返回值分别为+1（内部）、-1（外部）和0（边界上）。

1
2
3
4
5
6
7
8
9
10
1.2、计算最小值和最大值及其位置：cv::minMaxLoc()
该函数不适用于多通道阵列。如果需要在所有通道中找到最小或最大元素，请首先使用Mat:：整形将数组重新解释为单个通道。或者，您可以使用extractImageCOI、mixChannels或split提取特定频道。

#include <opencv2/core.hpp>
函数说明：void cv::minMaxLoc( InputArray src, double * minVal, double * maxVal = 0, Point * minLoc = 0, Point * maxLoc = 0, InputArray mask = noArray() );
输入参数：
                src                            输入单通道阵列。
                minVal                        最小值；如果不需要，则使用NULL。
                maxVal = 0                     最大值；如果不需要，则使用NULL。
                minLoc = 0                    最小位置（在2D情况下）；如果不需要，则使用NULL。
                maxLoc = 0                    最大位置（在2D情况下）；如果不需要，则使用NULL。
                mask = noArray()            用于选择子阵列的可选掩码。如果掩码不是空数组，则在指定的数组区域中搜索极值。
1
2
3
4
5
6
7
8
9
1.3、实战案例

#include <opencv2/opencv.hpp>
//using namespace cv;
//using namespace std;

int main(int argc, const char* argv[]) 
{
    //（1）构建一张单通道8位400 x 400的图像，
    const int r = 100;
    cv::Mat src = cv::Mat::zeros(r * 4, r * 4, CV_8UC1);
    
    //（2）绘制自定义六边形（通过line绘制六次）
    std::vector<cv::Point2f> vert(6);
    vert[0] = cv::Point(3 * r / 2, static_cast<int>(1.34 * r));
    vert[1] = cv::Point(1 * r, 2 * r);
    vert[2] = cv::Point(3 * r / 2, static_cast<int>(2.866 * r));
    vert[3] = cv::Point(5 * r / 2, static_cast<int>(2.866 * r));
    vert[4] = cv::Point(3 * r, 2 * r);
    vert[5] = cv::Point(5 * r / 2, static_cast<int>(1.34 * r));
    for (int ii = 0; ii < 6; ii++)
    {
        cv::line(src, vert[ii], vert[(ii+1) % 6], cv::Scalar(255), 3, 8, 0);
    }
    
    //（3）轮廓检测
    std::vector<std::vector<cv::Point>> contours;
    std::vector<cv::Vec4i> hierachy;
    cv::Mat src_contours = src.clone();
    cv::findContours(src_contours, contours, hierachy, cv::RETR_TREE, cv::CHAIN_APPROX_SIMPLE, cv::Point(0, 0));
    
    //（4）对图像中所有像素点进行【点多边形测试】：测试像素点是在多边形内部、边界或外部上
    cv::Mat raw_dist = cv::Mat::zeros(src_contours.size(), CV_32FC1);
    for (int row = 0; row < raw_dist.rows; row++)
    {
        for (int col = 0; col < raw_dist.cols; col++)
        {
            //输入参数：输入轮廓，测试点，是否返回距离值。（False：1表示在内部，0表示在边界上，-1表示在外部）（True表示返回实际距离值）
            double dist = cv::pointPolygonTest(contours[0], cv::Point2f(static_cast<float>(col), static_cast<float>(row)), true);
            raw_dist.at<float>(row, col) = static_cast<float>(dist);
        }
    }
    
    //（5）按内部、边界、外部三个区域分开，并且内/外部依据距离远近动态赋值，形成渐变色（也可以自定义为固定值）
    double minValue, maxValue;
    cv::minMaxLoc(raw_dist, &minValue, &maxValue, 0, 0, cv::Mat());        //计算最大值和最小值
    cv::Mat dst = cv::Mat::zeros(src.size(), CV_8UC3);
    for (int row = 0; row < dst.rows; row++)
    {
        for (int col = 0; col < dst.cols; col++)
        {
            float dist = raw_dist.at<float>(row, col);
            if (dist > 0)
                dst.at<cv::Vec3b>(row, col)[0] = (uchar)(abs(1.0 - (dist / maxValue)) * 255);        //内部
            else if (dist < 0)
                dst.at<cv::Vec3b>(row, col)[2] = (uchar)(abs(1.0 - (dist / minValue)) * 255);        //外部
            else
            {
                dst.at<cv::Vec3b>(row, col)[0] = (uchar)(abs(255 - dist));        //边界
                dst.at<cv::Vec3b>(row, col)[1] = (uchar)(abs(255 - dist));        //边界
                dst.at<cv::Vec3b>(row, col)[2] = (uchar)(abs(255 - dist));        //边界
            }
        }
    }
    
    //（6）显示图像
    cv::imshow("src", src);
    cv::imshow("dst", dst);
    cv::waitKey(0);
    return 0;
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
2、矩
cv::moments是OpenCV中一个常用的函数，用于计算图像区域的各阶矩。如：计算输入图像中一个区域的几何矩、中心矩和归一化中心矩。

几何矩：是用来描述图像区域的形状和位置的；
中心矩：是关于区域质心的矩，它可以用于计算区域的方向；
归一化中心矩：是中心矩的归一化版本，可以用于不同尺度的比较。
常用于形状分析、图像识别、目标跟踪等领域。

在形状分析方面，可以用来计算图像中各个对象的重心、面积、方向和轮廓等信息，从而实现图像分割和形状匹配。
在图像识别方面，可以用来计算图像中特定对象的各种特征，如Hu矩，用于快速分类和识别目标。
在目标跟踪方面，可以用来计算目标位置和方向，从而实现实时跟踪。
2.1、计算多边形或光栅化形状的三阶以下的所有力矩：cv::moments()

spatial moments（空间距）    central moments（中心矩）    central no