(学习笔记) approxPolyDP函数 boundingRect函数
来源:互联网 发布:机械师软件 编辑:程序博客网 时间:2024/05/21 17:50
1、boundingRect函数
函数作用:
计算轮廓的垂直边界最小矩形,矩形是与图像上下边界平行的
2、boundingRect函数调用形式
C++: Rect boundingRect(InputArray points)
- points
二维点集,点的序列或向量 (
Mat
)3、approxPolyDP函数
函数的作用:
对图像轮廓点进行多边形拟合
4、函数的调用形式
C++: void approxPolyDP(InputArray curve, OutputArray approxCurve, double epsilon, bool closed)
参数详解;
InputArray curve:一般是由图像的轮廓点组成的点集
OutputArray approxCurve:表示输出的多边形点集
double epsilon:主要表示输出的精度,就是另个轮廓点之间最大距离数,5,6,7,,8,,,,,
bool closed:表示输出的多边形是否封闭
#include "cv.h"
#include "highgui.h"
#include <stdio.h>
#include <opencv2/opencv.hpp>
#include<opencv2/imgproc/imgproc.hpp>
using namespace std;
using namespace cv;
Mat src;
Mat src_gray;
int thresh = 100;
int max_thresh = 255;
RNG rng(12345);
void thresh_callback(int, void*);
int main(int argc, char** argv)
{
src = imread("1.jpg", 1);
cvtColor(src, src_gray, CV_BGR2GRAY);
blur(src_gray, src_gray, Size(3, 3));
char* source_window = "Source";
namedWindow(source_window, CV_WINDOW_AUTOSIZE);
imshow(source_window, src);
createTrackbar("Threshold:", "Source", &thresh, max_thresh, thresh_callback);
thresh_callback(0, 0);
waitKey(0);
return 0;
}
void thresh_callback(int, void*)
{
Mat threshold_output;
vector<vector<Point>> contours;
vector<Vec4i> hierarchy;
//Canny(src_gray, canny_Mat, thresh, thresh * 2, 3);
/// 使用Threshold检测边缘
threshold(src_gray, threshold_output, thresh, 255, THRESH_BINARY);
findContours(threshold_output, contours, hierarchy,CV_RETR_TREE,CV_CHAIN_APPROX_SIMPLE, Point(0, 0));
/// 多边形逼近轮廓 + 获取矩形和圆形边界框
vector<vector<Point>>contours_poly(contours.size());
vector<Rect> bondRect(contours.size());
vector<Point2f>center(contours.size());
vector<float>radius(contours.size());
for (int i = 0; i < contours.size(); i++)
{
approxPolyDP(Mat(contours[i]), contours_poly[i], 3, true);
bondRect[i] = boundingRect(Mat(contours[i]));
minEnclosingCircle(contours[i], center[i], radius[i]);
}
/// 画多边形轮廓 + 包围的矩形框 + 圆形框
Mat drawing = Mat::zeros(threshold_output.size(), CV_8UC3);
for (int i = 0; i < contours.size(); i++)
{
Scalar color = Scalar(rng.uniform(0, 255), rng.uniform(0, 255), rng.uniform(0, 255));
drawContours(src, contours, i, color, 1, 8, hierarchy, 0, Point());
drawContours(drawing, contours_poly, i, color, 1, 8, vector<Vec4i>(), 0, Point());
rectangle(drawing,bondRect[i].tl(),bondRect[i].br(),color,2,8,0);
// circle(drawing, center[i], (int)radius[i], color, 2, 8, 0);
}
namedWindow("contours", CV_WINDOW_AUTOSIZE);
imshow("contours", drawing);
namedWindow("contours_src", CV_WINDOW_AUTOSIZE);
imshow("contours_src", src);
}approxPolyDP函数是opencv中利用来对指定的点集进行逼近,其逼近的精度是可设置的对应的函数为:
void approxPolyDP(InputArray curve, OutputArray approxCurve, double epsilon, bool closed);
例如:approxPolyDP(contourMat, approxCurve, 10, true);//找出轮廓的多边形拟合曲线
第一个参数 InputArray curve:输入的点集
第二个参数OutputArray approxCurve:输出的点集,当前点集是能最小包容指定点集的。画出来即是一个多边形;
第三个参数double epsilon:指定的精度,也即是原始曲线与近似曲线之间的最大距离。
第四个参数bool closed:若为true,则说明近似曲线是闭合的,反之,若为false,则断开。该函数采用是道格拉斯-普克算法(Douglas-Peucker)算法来实现。该算法也以Douglas-Peucker算法和迭代终点拟合算法为名。算法的目的是给出由线段组成的曲线(在某些上下文中也称为折线),以找到具有较少点的相似曲线。 该算法基于原始曲线和简化曲线(即曲线之间的豪斯多夫距离)之间的最大距离定义“不相似”。 简化曲线由定义原始曲线的点的子集组成。
算法描述如下:
起始曲线是有序的一组点或线,距离维度ε> 0。该算法递归地划分线。 最初给出了第一点和最后一点之间的所有点。 它会自动标记要保存的第一个和最后一个点。 然后找到距离第一点和最后一点组成的线段的最远的点作为终点; 这一点在距离终点之间的近似线段的曲线上显然最远。 如果该点比线段更接近于ε,那么当前未被标记的任何点将被保存,而没有简化的曲线比ε更差的可以丢弃。
如果离线段最远的点距离近似值大于ε,则必须保留该点。 该算法以第一个点和最远点递归地调用自身,然后以最远点和最后一个点(包括最远点被标记为保留)递归调用自身。
当递归完成时,可以生成一个新的输出曲线,其中包括所有且仅标记为保留的点。非参数Ramer-Douglas-Peucker
ε的选择通常是用户定义的。 像大多数线拟合/多边形近似/主点检测方法一样,通过使用由于数字化/量化的误差界限作为终止条件,可以使其非参数化[1] 这种非参数RDP算法[2]的MATLAB代码在这里可用[3]伪代码:
假设输入是基于一一数组
function DouglasPeucker(PointList[], epsilon) // Find the point with the maximum distance dmax = 0 index = 0 end = length(PointList) for i = 2 to ( end - 1) { d = perpendicularDistance(PointList[i], Line(PointList[1], PointList[end])) if ( d > dmax ) { index = i dmax = d } } // If max distance is greater than epsilon, recursively simplify if ( dmax > epsilon ) { // Recursive call recResults1[] = DouglasPeucker(PointList[1...index], epsilon) recResults2[] = DouglasPeucker(PointList[index...end], epsilon) // Build the result list ResultList[] = {recResults1[1...length(recResults1)-1], recResults2[1...length(recResults2)]} } else { ResultList[] = {PointList[1], PointList[end]} } // Return the result return ResultList[]end
该算法用于处理矢量图形 和制图综合。该算法广泛应用于机器人技术[4]中,对旋转量程扫描仪采集的范围数据进行简化和去噪; 在这个领域中,它被称为分裂合并算法,归因于Duda和Hart。该算法的复杂度可以利用线性递归来描述T(n) = 2T( n⁄2) + O(n),其具有T(n)∈Θ(n log n)的公知解决方案(通过主定理)。
然而,最坏情况的复杂度是Θ(n2)。
源码:
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 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109
- (学习笔记) approxPolyDP函数 boundingRect函数
- opencv日常学习之approxPolyDP函数和boundingRect函数说明
- opencv中的approxPolyDP函数和boundingRect函数
- opencv中的approxPolyDP函数和boundingRect函数说明
- approxPolyDP函数
- boundingRect函数
- approxPolyDP函数
- boundingRect()函数的使用方法
- approxPolyDP函数的介绍
- 创建包围轮廓的矩形和圆形边界框--boundingRect()、minEnclosingCircle()和approxPolyDP()
- 创建包围轮廓的矩形和圆形边界框--boundingRect()、minEnclosingCircle()和approxPolyDP()
- opencv3返回外部矩形边界-boundingRect函数
- opencv3.2.0中approxPolyDP函数使用效果
- opencv学习-imgprocess-凸包函数Convex Hull和boundingRect以及minEnclosingCircle
- opencv3逼近多边形曲线-approxPolyDP函数在图像中的应用
- opencv3逼近多边形曲线-approxPolyDP函数在图像中的应用
- Python学习笔记(函数)
- Lua学习笔记(函数)
- 设计模式-装饰模式
- untiy接GooldSdk
- ubuntu系统16.04安装theano
- 2017云栖大会Tech Insight亮点大剧透
- 【linux yum常用命令】linux yum 命令
- (学习笔记) approxPolyDP函数 boundingRect函数
- runtime 进行归档
- 通过virsh管理虚拟机
- java中的方法之new一个对象的时候JVM都做了那些事情
- 1.1 vue2.0jsonp获取数据
- 简单操作(二)
- 多线程模拟火车站售票
- linker command failed with exit code 1 (use -v to see invocation)
- 关于缓存中Session,Cache,cookie的区别