版权声明：本文由 Micheal 超 博客 创作，未经博主允许不得转载。 https://blog.csdn.net/qq_42887760/article/details/86577130
API
基于RDP算法实现,目的是减少多边形轮廓点数
approxPolyDP(//减少多边形轮廓点数
InputArray curve,//一般是由图像的轮廓点组成的点集 Mat(vector)
OutputArray approxCurve,//表示输出的多边形点集
double epsilon,//主要表示输出的精度，就是两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
）
RDP算法：
1. 判断起始点(当前点)与终点的距离是否小于 epsilon， 若小于，结束，不小于执行2
2. 选取起始点(当前点)A的后两个位置的点C，判断它们之间的距离是否小于 epsilon， 若小于，点C与它们的中间点B都舍弃，若不小于，执行3
3. 判断A与B，B与C的距离，若有一者小于 epsilon，则点B舍弃，否则保留。然后点C作为起始点(当前点)重复 1 2 3 步骤，直到终点(这里得出的是一系列符合要求的点)
轮廓周围绘制矩形 -API
cv::boundingRect(InputArray points)得到轮廓周围最小矩形左上交点坐标和右下角点坐标，绘制一个矩形cv::minAreaRect(InputArray points)得到一个旋转的矩形，返回旋转矩形
轮廓周围绘制圆和椭圆-API
cv::minEnclosingCircle(// 得到轮廓周围最小椭圆
InputArray points,//得到最小区域圆形
Point2f& center,// 圆心位置 输出参数
float& radius// 圆的半径 输出参数
)cv::fitEllipse(InputArray points)// 得到最小椭圆，若points的点数size小于5，会报错
演示代码-步骤
- 首先将图像变为二值图像
- 发现轮廓，找到图像轮廓
- 通过相关API在轮廓点上找到最小包含矩形和圆，旋转矩形与椭圆。
- 绘制它们。
程序代码
#include <opencv2/opencv.hpp>
#include <iostream>
#include <math.h>
using namespace std;
using namespace cv;
Mat src, gray_src, drawImg;
int threshold_v = 170;
int threshold_max = 255;
const char* output_win = "rectangle-demo";
RNG rng(12345);
void Contours_Callback(int, void*);
int main(int argc, char** argv) {
// 载入原图像, 返回3通道图像
src = imread("E:/Experiment/OpenCV/Pictures/NumberTest.jpg");
if (!src.data) {
printf("could not load image...\n");
return -1;
}
// 转化成灰度图像并进行平滑
cvtColor(src, gray_src, CV_BGR2GRAY);
blur(gray_src, gray_src, Size(3, 3), Point(-1, -1));
// 创建窗口
const char* source_win = "input image";
namedWindow(source_win, CV_WINDOW_AUTOSIZE);
namedWindow(output_win, CV_WINDOW_AUTOSIZE);
imshow(source_win, src);
createTrackbar("Threshold Value:", output_win, &threshold_v, threshold_max, Contours_Callback);
Contours_Callback(0, 0);
waitKey(0);
return 0;
}
void Contours_Callback(int, void*) {
Mat binary_output;
vector<vector<Point>> contours;//定义图像轮廓点集
vector<Vec4i> hierachy;
// 使用Threshold检测边缘,二值化操作
threshold(gray_src, binary_output, threshold_v, threshold_max, THRESH_BINARY);//阈值二值化
//imshow("binary image", binary_output);
// 找到轮廓
findContours(binary_output, contours, hierachy, RETR_TREE, CHAIN_APPROX_SIMPLE, Point(-1, -1));//发现轮廓
// 多边形逼近轮廓 + 获取矩形和圆形边界框
vector<vector<Point>> contours_ploy(contours.size());//减少点数后的轮廓的集合,定义图像输出的多边形点集
vector<Rect> ploy_rects(contours.size());//轮廓点形成的矩形
vector<Point2f> ccs(contours.size());//定义圆心坐标
vector<float> radius(contours.size());//定义圆的半径
vector<RotatedRect> minRects(contours.size());//每个轮廓最终形成的最小的旋转的矩形
vector<RotatedRect> myellipse(contours.size());//每个轮廓最终形成的最小椭圆
for (size_t i = 0; i < contours.size(); i++) {
approxPolyDP(Mat(contours[i]), contours_ploy[i], 3, true);//减少轮廓点数，为后面的算法提高效率
ploy_rects[i] = boundingRect(contours_ploy[i]);//得到轮廓周围最小矩形
minEnclosingCircle(contours_ploy[i], ccs[i], radius[i]);//得到轮廓周围最小椭圆
if (contours_ploy[i].size() > 5) {
myellipse[i] = fitEllipse(contours_ploy[i]);// 得到最小椭圆，若contours_ploy[i]的点数size小于5会报错
minRects[i] = minAreaRect(contours_ploy[i]);// 得到一个旋转的矩形，返回旋转矩形
}
}
// 画多边形轮廓 + 包围的矩形框 + 圆形框 draw it
drawImg = Mat::zeros(src.size(), src.type());
Point2f pts[4];//画直线需要4个点
for (size_t t = 0; t < contours.size(); t++) { // contours_ploy[i]的点数size小于5的，不处理
Scalar color = Scalar(rng.uniform(0, 255), rng.uniform(0, 255), rng.uniform(0, 255));
//rectangle(drawImg, ploy_rects[t], color, 2, 8);//画矩形
//circle(drawImg, ccs[t], radius[t], color, 2, 8);//画圆
if (contours_ploy[t].size() > 5) {
ellipse(drawImg, myellipse[t], color, 1, 8);//画椭圆
minRects[t].points(pts); // 得到轮廓所在的旋转的矩形的四个顶点坐标
for (int r = 0; r < 4; r++) {
line(drawImg, pts[r], pts[(r + 1) % 4], color, 1, 8);//通过线，画旋转的矩形
}
}
}
// 显示在一个窗口
imshow(output_win, drawImg);
return;
}
运行截图
