凸包检测

视频讲解如下：

本章节给大家演示在opencv下如果进行凸包检测，当前代码同样的是在毛星云的代码基础上进行扩展优化的，主要进行了三种效果演示，方便大家学习。

C#、C++、Python三种版本的三种效果其实是一样的，我这里就拿C#的版本来做个演示。

当前系列所有demo下载地址：

https://github.com/GaoRenBao/OpenCv4-Demo

不同编程语言对应的OpenCv版本以及开发环境信息如下： 

首先我们需要准备一张测试图片：

第一种效果演示：

第二种效果演示：

第三种效果演示：

C#版本代码如下：

C#版本需要安装“OpenCvSharp4”、“OpenCvSharp4.runtime.win”两个库才行。不然会报错。

如果需要使用“ BitmapConverter.ToBitmap”操作，则需要追加安装“OpenCvSharp4.Extensions”库。

using OpenCvSharp;
using System;
using System.Collections.Generic;

namespace demo
{
    internal class Program
    {
        static void Main(string[] args)
        {
            demo1();
            //demo2();
            //demo3();
            Cv2.WaitKey(0);
        }

        #region 演示1
        static void demo1()
        {
            Mat srcImage = Cv2.ImRead("../../../images/kele.jpg");

            //图像灰度图转化并平滑滤波
            Mat grayImage = new Mat();
            Cv2.CvtColor(srcImage, grayImage, ColorConversionCodes.BGR2GRAY);
            // 均值滤波
            Cv2.Blur(grayImage, grayImage, new OpenCvSharp.Size() { Width = 3, Height = 3 });
            Cv2.ImShow("原图像", grayImage);

            Mat threshold_output = new Mat();
            // 使用Threshold检测图像边缘
            Cv2.Threshold(grayImage, threshold_output, 200, 255, ThresholdTypes.Binary);

            // 寻找图像轮廓
            Random rd = new Random();
            Point[][] contours = new Point[][] { };
            HierarchyIndex[] hierarcy;
            Cv2.FindContours(threshold_output, out contours, out hierarcy, RetrievalModes.Tree, ContourApproximationModes.ApproxSimple, null);

            //寻找图像凸包
            Point[][] hull = new Point[contours.Length][];
            for (int i = 0; i < contours.Length; i++)
            {
                hull[i] = Cv2.ConvexHull(contours[i], false);
            }

            //绘制轮廓和凸包
            RNG rng = new RNG(12345);
            Mat drawing = Mat.Zeros(threshold_output.Size(), MatType.CV_8UC3);
            for (int i = 0; i < hull.Length; i++)
            {
                Scalar color = new Scalar(rng.Uniform(0, 255), rng.Uniform(0, 255), rng.Uniform(0, 255));
                // 绘制轮廓
                Cv2.DrawContours(drawing, contours, (int)i, color, 1, LineTypes.Link8);
                // 绘制凸包
                Cv2.DrawContours(drawing, hull, (int)i, color, 5, LineTypes.Link8);
            }
            Cv2.ImShow("凸包", drawing);
        }
        #endregion

        #region 演示2
        private static Mat grayImage = new Mat();
        private static Mat drawing = new Mat();
        private static Mat threshold_output = new Mat();
        private static RNG rng = new RNG(12345);
        private static int temp = 100;

        static void demo2()
        {
            Mat srcImage = Cv2.ImRead("../../../images/kele.jpg");

            //图像灰度图转化并平滑滤波
            Cv2.CvtColor(srcImage, grayImage, ColorConversionCodes.BGR2GRAY);
            // 均值滤波
            Cv2.Blur(grayImage, grayImage, new Size() { Width = 3, Height = 3 });

            Cv2.NamedWindow("凸包", WindowFlags.AutoSize);
            Cv2.CreateTrackbar("阈值", "凸包", 255, null);
            Cv2.SetMouseCallback("凸包", new MouseCallback(on_Mouse));
            while (true)
            {
                if (Cv2.WaitKey(10) == 'q')
                {
                    break;
                }
            }
        }

        public static void on_Mouse(MouseEventTypes @event, int x, int y, MouseEventFlags flags, IntPtr userData)
        {
            int thresh = Cv2.GetTrackbarPos("阈值", "凸包");

            // 滑动条滑动一次，回调会执行N次，为避免不必要的运算，这里加个过滤
            if (temp == thresh) return;
            temp = thresh;

            Console.WriteLine(thresh);
            // 使用Threshold检测图像边缘
            Cv2.Threshold(grayImage, threshold_output, thresh, 255, ThresholdTypes.Binary);

            // 寻找图像轮廓
            Point[][] contours = new Point[][] { };
            HierarchyIndex[] hierarcy;
            Cv2.FindContours(threshold_output, out contours, out hierarcy, RetrievalModes.Tree, ContourApproximationModes.ApproxSimple, null);

            //寻找图像凸包
            Point[][] hull = new Point[contours.Length][];
            for (int i = 0; i < contours.Length; i++)
            {
                hull[i] = Cv2.ConvexHull(contours[i], false);
            }

            //绘制轮廓和凸包
            drawing = Mat.Zeros(threshold_output.Size(), MatType.CV_8UC3);
            for (int i = 0; i < hull.Length; i++) //contours.Length
            {
                Scalar color = new Scalar(rng.Uniform(0, 255), rng.Uniform(0, 255), rng.Uniform(0, 255));
                // 绘制轮廓
                Cv2.DrawContours(drawing, contours, (int)i, color, 1, LineTypes.Link8);
                // 绘制凸包
                Cv2.DrawContours(drawing, hull, (int)i, color, 5, LineTypes.Link8);
            }
            Cv2.ImShow("凸包", drawing);
            Cv2.WaitKey(1);
        }

        #endregion

        #region 演示3
        static void demo3()
        {
            RNG rng = new RNG(12345);
            Mat image = Mat.Zeros(600, 600, MatType.CV_8UC3);

            while (true)
            {
                List<Point> points = new List<Point>(); //点值

                //参数初始化
                int count = rng.Uniform(20, 50);//随机生成点的数量
                points.Clear();

                //随机生成点坐标
                for (int i = 0; i < count; i++)
                {
                    Point point;
                    point.X = rng.Uniform(image.Cols / 4, image.Cols * 3 / 4);
                    point.Y = rng.Uniform(image.Rows / 4, image.Rows * 3 / 4);
                    points.Add(point);
                }

                //寻找图像凸包
                Point[] hull = Cv2.ConvexHull(points, false);

                //绘制出随机颜色的点
                image = Mat.Zeros(600, 600, MatType.CV_8UC3);
                for (int i = 0; i < count; i++)
                    Cv2.Circle(image, points[i], 3, new Scalar(rng.Uniform(0, 255), rng.Uniform(0, 255), rng.Uniform(0, 255)), -1, LineTypes.AntiAlias);

                //准备参数
                int hullcount = (int)hull.Length;//凸包的边数
                Point point0 = hull[hullcount - 1];//连接凸包边的坐标点

                //绘制凸包的边
                for (int i = 0; i < hullcount; i++)
                {
                    Point point = hull[i];
                    Cv2.Line(image, point0, point, new Scalar(255, 255, 255), 2, LineTypes.AntiAlias);
                    point0 = point;
                }

                //显示效果图
                Cv2.ImShow("凸包检测示例", image);
                Cv2.WaitKey(0);
            }
        }
        #endregion
    }
}

C++版本代码如下：

这里要注意了，C++版本中，我们通过控制宏定义OBJ的值来控制当前演示的模型。

#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/highgui/highgui.hpp"
#include <iostream>
using namespace cv;
using namespace std;

#define OBJ 3

#if OBJ == 1
// 演示1

Mat srcImage, grayImage;
RNG rng(12345);
int main()
{
	srcImage = imread("../images/kele.jpg");

	//图像灰度图转化并平滑滤波
	cvtColor(srcImage, grayImage, COLOR_BGR2GRAY);
	blur(grayImage, grayImage, Size(3, 3));
	namedWindow("原图像", WINDOW_AUTOSIZE);
	imshow("原图像", grayImage);

	Mat threshold_output;
	Mat src_copy = srcImage.clone();
	vector<vector<Point>>contours;
	vector<Vec4i>hierarchy;
	int thresh = 100;

	//使用Threshold检测图像边缘
	threshold(grayImage, threshold_output, 200, 255, THRESH_BINARY);

	//寻找图像轮廓
	findContours(threshold_output, contours, hierarchy, RETR_TREE, CHAIN_APPROX_SIMPLE, Point(0, 0));

	//寻找图像凸包
	vector<vector<Point>>hull(contours.size());
	for (int i = 0; i < contours.size(); i++) {
		convexHull(Mat(contours[i]), hull[i], false);
	}

	//绘制轮廓和凸包
	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));
		// 绘制轮廓
		drawContours(drawing, contours, i, color, 1, 8, vector<Vec4i>(), 0, Point());
		// 绘制凸包
		drawContours(drawing, hull, i, color, 1, 8, vector<Vec4i>(), 0, Point());
	}

	namedWindow("凸包", WINDOW_AUTOSIZE);
	imshow("凸包", drawing);

	waitKey(0);
	return 0;
}
#endif

#if OBJ == 2

// 演示2
Mat srcImage, grayImage;
int thresh = 100;
const int threshMaxValue = 255;
RNG rng(12345);

//定义回调函数
void thresh_callback(int, void*);

int main()
{
	srcImage = imread("../images/kele.jpg");

	//图像灰度图转化并平滑滤波
	cvtColor(srcImage, grayImage, COLOR_BGR2GRAY);
	blur(grayImage, grayImage, Size(3, 3));
	namedWindow("原图像", WINDOW_AUTOSIZE);
	imshow("原图像", grayImage);

	//创建轨迹条
	createTrackbar("Threshold:", "原图像", &thresh, threshMaxValue, thresh_callback);
	thresh_callback(thresh, 0);
	waitKey(0);

	return 0;
}

void thresh_callback(int, void*)
{
	Mat src_copy = srcImage.clone();
	Mat threshold_output;
	vector<vector<Point>>contours;
	vector<Vec4i>hierarchy;

	//使用Threshold检测图像边缘
	threshold(grayImage, threshold_output, thresh, 255, THRESH_BINARY);

	//寻找图像轮廓
	findContours(threshold_output, contours, hierarchy, RETR_TREE, CHAIN_APPROX_SIMPLE, Point(0, 0));

	//寻找图像凸包
	vector<vector<Point>>hull(contours.size());
	for (int i = 0; i < contours.size(); i++)
	{
		convexHull(Mat(contours[i]), hull[i], false);
	}

	//绘制轮廓和凸包
	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(drawing, contours, i, color, 1, 8, vector<Vec4i>(), 0, Point());
		drawContours(drawing, hull, i, color, 1, 8, vector<Vec4i>(), 0, Point());
	}

	namedWindow("凸包", WINDOW_AUTOSIZE);
	imshow("凸包", drawing);
}

#endif

#if OBJ == 3

// 演示3
//键盘按键【ESC】、【Q】、【q】- 退出程序
//键盘按键任意键 - 重新生成随机点，并进行凸包检测

int main()
{
	//改变console字体颜色
	system("color 1F");

	//初始化变量和随机值
	Mat image(600, 600, CV_8UC3);
	RNG& rng = theRNG();

	//循环，按下ESC,Q,q键程序退出，否则有键按下便一直更新
	while (1)
	{
		//参数初始化
		char key;//键值
		int count = (unsigned)rng % 100 + 3;//随机生成点的数量
		vector<Point> points; //点值

		//随机生成点坐标
		for (int i = 0; i < count; i++)
		{
			Point point;
			point.x = rng.uniform(image.cols / 4, image.cols * 3 / 4);
			point.y = rng.uniform(image.rows / 4, image.rows * 3 / 4);

			points.push_back(point);
		}

		//检测凸包
		vector<int> hull;
		convexHull(Mat(points), hull, true);

		//绘制出随机颜色的点
		image = Scalar::all(0);
		for (int i = 0; i < count; i++)
			circle(image, points[i], 3, Scalar(rng.uniform(0, 255), rng.uniform(0, 255), rng.uniform(0, 255)), FILLED, LINE_AA);

		//准备参数
		int hullcount = (int)hull.size();//凸包的边数
		Point point0 = points[hull[hullcount - 1]];//连接凸包边的坐标点

		//绘制凸包的边
		for (int i = 0; i < hullcount; i++)
		{
			Point point = points[hull[i]];
			line(image, point0, point, Scalar(255, 255, 255), 2, LINE_AA); // 低版本是：CV_AA
			point0 = point;
		}

		//显示效果图
		imshow("凸包检测示例", image);

		//按下ESC,Q,或者q，程序退出
		key = (char)waitKey();
		if (key == 27 || key == 'q' || key == 'Q')
			break;
	}
	return 0;
}
#endif

Python版本代码如下：

demo1

import cv2
import numpy as np


def zh_ch(string):
    return string.encode("gbk").decode(errors="ignore")


srcImage = cv2.imread("../images/kele.jpg")
# 图像灰度图转化并平滑滤波
grayImage = cv2.cvtColor(srcImage, cv2.COLOR_BGR2GRAY)
# 均值滤波
grayImage = cv2.blur(grayImage, (3, 3))
cv2.imshow(zh_ch("原始图"), grayImage)

# 二值化
ret, threshold_output = cv2.threshold(grayImage, 200, 255, cv2.THRESH_BINARY)

# 寻找图像轮廓
contours, hierarchy = cv2.findContours(threshold_output, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

hull = []
# 寻找图像凸包
for i in range(len(contours)):
    hull.append(cv2.convexHull(contours[i], False))

# 初始化一个空白图像
drawing = np.zeros((threshold_output.shape[0], threshold_output.shape[1], 3), np.uint8)

# 绘制轮廓和凸包
for i in range(len(contours)):
    # 绘制轮廓
    cv2.drawContours(drawing, contours, i, (0, 255, 0), 1, 8, hierarchy)
    # 绘制凸包
    cv2.drawContours(drawing, hull, i, (255, 0, 0), 1, 8)

# 显示图片
cv2.imshow("drawing", drawing)
cv2.waitKey(0)

demo2

# OpenCv版本 OpenCvSharp4.6.0.66
# 内容：凸包检测
# 博客：/Course?id=3741165000202
# 作者：高仁宝
# 时间：2023.11

import cv2
import numpy as np


def zh_ch(string):
    return string.encode("gbk").decode(errors="ignore")


thresh = 80


def on_ThreshChange(x):
    global thresh, grayImage, drawing

    # 获取滑动条的值
    thresh = cv2.getTrackbarPos('thresh', 'drawing')

    # 二值化
    ret, threshold_output = cv2.threshold(grayImage, thresh, 255, cv2.THRESH_BINARY)

    # 寻找图像轮廓
    contours, hierarchy = cv2.findContours(threshold_output, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

    # 寻找图像凸包
    hull = []
    for i in range(len(contours)):
        hull.append(cv2.convexHull(contours[i], False))

    # 初始化一个空白图像
    drawing = np.zeros((threshold_output.shape[0], threshold_output.shape[1], 3), np.uint8)

    # 绘制轮廓和凸包
    for i in range(len(contours)):
        # 绘制轮廓
        cv2.drawContours(drawing, contours, i, (0, 255, 0), 1, 8, hierarchy)
        # 绘制凸包
        cv2.drawContours(drawing, hull, i, (255, 0, 0), 1, 8)


srcImage = cv2.imread("../images/kele.jpg")
# 图像灰度图转化并平滑滤波
grayImage = cv2.cvtColor(srcImage, cv2.COLOR_BGR2GRAY)

# 初始化一个空白图像
drawing = np.zeros((srcImage.shape[0], srcImage.shape[1], 3), np.uint8)

# 均值滤波
grayImage = cv2.blur(grayImage, (3, 3))
cv2.imshow(zh_ch("原始图"), grayImage)

# 创建窗口
cv2.namedWindow('drawing')
cv2.createTrackbar('thresh', 'drawing', 0, 255, on_ThreshChange)
cv2.setTrackbarPos('thresh', 'drawing', 80)

while True:
    cv2.imshow("drawing", drawing)
    if cv2.waitKey(10) == ord('q'):
        break
cv2.destroyAllWindows()

demo3

# OpenCv版本 OpenCvSharp4.6.0.66
# 内容：凸包检测
# 博客：/Course?id=3741165000202
# 作者：高仁宝
# 时间：2023.11

import cv2
import numpy as np
import random


def zh_ch(string):
    return string.encode("gbk").decode(errors="ignore")


while (True):

    # 随机生成点的数量
    count = random.randint(30, 50)

    point = []
    for i in range(count):
        x = random.randint(600 / 4, 600 * 3 / 4)
        y = random.randint(600 / 4, 600 * 3 / 4)
        point.append([x, y])

    points = np.array(point, np.int32)  # 点值

    # 寻找图像凸包
    hull = cv2.convexHull(points, False)

    # 绘制出随机颜色的点
    image = np.zeros((600, 600, 3), np.uint8)
    for i in range(count):
        cv2.circle(image, (points[i][0], points[i][1]), 3,
                   (random.randint(0, 255), random.randint(0, 255), random.randint(0, 255)), -1)

    # 准备参数
    point0 = hull[len(hull) - 1]  # 连接凸包边的坐标点

    # 绘制轮廓和凸包
    for i in range(len(hull)):
        point = hull[i]
        image = cv2.line(image, (point0[0][0], point0[0][1]),
                         (point[0][0], point[0][1]),
                         (random.randint(0, 255), random.randint(0, 255), random.randint(0, 255)), 2)
        point0 = point

    cv2.imshow("image", image)
    cv2.waitKey(0)