opencv基础53-图像轮廓06-判断像素点与轮廓的关系（轮廓内，轮廓上，轮廓外）cv2.pointPolygonTest()-Toy模板网

这篇具有很好参考价值的文章主要介绍了opencv基础53-图像轮廓06-判断像素点与轮廓的关系（轮廓内，轮廓上，轮廓外）cv2.pointPolygonTest()。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

点到轮廓的距离

在 OpenCV 中，函数 cv2.pointPolygonTest()被用来计算点到多边形（轮廓）的最短距离（也
就是垂线距离），这个计算过程又称点和多边形的关系测试。该函数的语法格式为：
retval = cv2.pointPolygonTest( contour, pt, measureDist )
式中的返回值为 retval，与参数 measureDist 的值有关。
式中的参数如下：

contour 为轮廓。
pt 为待判定的点。
measureDist 为布尔型值，表示距离的判定方式。
当值为 True 时，表示计算点到轮廓的距离。如果点在轮廓的外部，返回值为负数；如果点在轮廓上，返回值为 0；如果点在轮廓内部，返回值为正数。
当值为 False 时，不计算距离，只返回“-1”、“0”和“1”中的一个值，表示点相对于轮廓的位置关系。如果点在轮廓的外部，返回值为“-1”；如果点在轮廓上，返回值为“0”；如果点在轮廓内部，返回值为“1”。

示例：使用函数 cv2.pointPolygonTest()计算点到轮廓的最短距离。

使用函数 cv2.pointPolygonTest()计算点到轮廓的最短距离，需要将参数 measureDist 的值设置为 True。

代码如下：

import cv2
#----------------原始图像-------------------------
o = cv2.imread('cs.bmp')
cv2.imshow("original",o)
#----------------获取凸包------------------------
gray = cv2.cvtColor(o,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])

cv2.polylines(o, [hull], True, (0, 255, 0), 2)
#----------------内部点 A 到轮廓的距离-------------------------
distA = cv2.pointPolygonTest(hull, (300, 150), True)
font=cv2.FONT_HERSHEY_SIMPLEX
cv2.putText(o,'A',(300,150), font, 1,(0,255,0),2)
print("distA=",distA)
#----------------外部点 B 到轮廓的距离-------------------------
distB = cv2.pointPolygonTest(hull, (300, 250), True)
font=cv2.FONT_HERSHEY_SIMPLEX
cv2.putText(o,'B',(300,250), font, 1,(0,255,0),2)
print("distB=",distB)
#------------正好处于轮廓上的点 C 到轮廓的距离-----------------
distC = cv2.pointPolygonTest(hull, (423, 112), True)
font=cv2.FONT_HERSHEY_SIMPLEX
cv2.putText(o,'C',(423,112), font, 1,(0,255,0),2)
print("distC=",distC)

#----------------显示-------------------------
cv2.imshow("result1",o)
cv2.waitKey()
cv2.destroyAllWindows()

运行结果：

opencv基础53-图像轮廓06-判断像素点与轮廓的关系（轮廓内，轮廓上，轮廓外）cv2.pointPolygonTest(),opencv,计算机视觉,人工智能,opencv,人工智能,计算机视觉,python,图像处理
同时，程序还会显示如下的结果：

distA= 16.891650862259112
distB= -81.17585848021565
distC= -0.0

从以上结果可以看出，

A 点算出来的距离为“16.891650862259112”，是一个正数，说明 A 点在轮廓内部。
B 点算出来的距离为“-81.17585848021565”，是一个负数，说明 B 点在轮廓外部。
C 点算出来的距离为“-0.0”，说明 C 点在轮廓上。

在实际使用中，如果想获取位于轮廓上的点，可以通过打印轮廓点集的方式获取。例如，本例中可以通过语句“print(hull)”获取轮廓上的点。在获取轮廓上的点以后，可以将其用作函数 cv2.pointPolygonTest()的参数，以测试函数返回值是否为零。

示例2：使用函数 cv2.pointPolygonTest()判断点与轮廓的关系。

代码如下：

import cv2
#----------------原始图像-------------------------
o = cv2.imread('cs.bmp')
cv2.imshow("original",o)
#----------------获取凸包------------------------
gray = cv2.cvtColor(o,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])
image = cv2.cvtColor(gray,cv2.COLOR_GRAY2BGR)
cv2.polylines(image, [hull], True, (0, 255, 0), 2)
#----------------内部点 A 与轮廓的关系-------------------------
distA = cv2.pointPolygonTest(hull, (300, 150),False)
font=cv2.FONT_HERSHEY_SIMPLEX
cv2.putText(image,'A',(300,150), font, 1,(0,255,0),3)
print("distA=",distA)
#----------------外部点 B 与轮廓的关系-------------------------
distB = cv2.pointPolygonTest(hull, (300, 250), False)
font=cv2.FONT_HERSHEY_SIMPLEX
cv2.putText(image,'B',(300,250), font, 1,(0,255,0),3)
print("distB=",distB)
#----------------边缘线上的点 C 与轮廓的关系----------------------
distC = cv2.pointPolygonTest(hull, (423, 112),False)
font=cv2.FONT_HERSHEY_SIMPLEX
cv2.putText(image,'C',(423,112), font, 1,(0,255,0),3)

print("distC=",distC)
#----------------显示-------------------------
cv2.imshow("result",image)
cv2.waitKey()
cv2.destroyAllWindows()