求解向量和轮廓的交点

标签：src eigen 求解 double 交点 Mat 轮廓向量 255

在“学习OpenCV3"的QQ群众，网友且行且珍惜针对前期博客中的内容提出了以下问题：

求解向量和轮廓的交点_斜率

比如这张图，利用PCA求出了特征向量之后，我想要求解与轮廓的交点，不知道有没有简单的方法

@禾老师

非常好的问题！在寻找到轮廓的”主方向“后，往往下一个动作就是寻找向量和轮廓的交点，因为往往这才是我们更关心的地方。为了解决这个问题，我认为的思路应该是这样的：

1、首先要界定范围。对于交点来说，肯定是在这个轮廓的“最小外接矩形”中的，所以先求出外接矩形作为限定；

2、向量只是一个方向，要将其变成一条直线（如果在“最小外接矩形”中就是线段），推荐使用LineIterator来表示直线；

3、最后，判断这条线段上的点是否在轮廓上，可以使用pointpolytest函数。

结合代码具体讲解。为了凸显本文知识重点，本文采用以下一幅图像来说明算法

求解向量和轮廓的交点_OpenCV_03

最后得到的结果是这样的，其中黄点为主方向向量和外界矩形交点，红点为和轮廓交点。

求解向量和轮廓的交点_OpenCV_04

全部代码为：

/************************************************************************/
     

     // 求解向量和轮廓的交点
     

     // by jsxyhelu(jsxyhelu.cnblogs.com)
     

     // 2018/10/05
     

     /************************************************************************/
     
#     include      "stdafx.h"     
#     include      "opencv2/imgcodecs.hpp"     
#     include      "opencv2/highgui.hpp"     
#     include      "opencv2/imgproc.hpp"     
#     include      "opencv2/photo.hpp"     
using      namespace std;     
using      namespace cv;     

     //寻找最大外接轮廓
     
vector     <Point     > FindBigestContour(Mat src){     
         int max_area_contour_idx      =      0;     
         double max_area      =      -     1;
     
    vector     <vector     <Point     > 
     >contours;
     
    findContours(src,contours,RETR_LIST,CHAIN_APPROX_SIMPLE);     
         //handle case if no contours are detected     
    CV_Assert(     0      != contours.size());     
         for (uint i     =     0;i     <contours.size();i
     ++){
     
             double temp_area      = contourArea(contours[i]);     
             if (max_area      < temp_area ){     
            max_area_contour_idx      = i;     
            max_area      = temp_area;     
        }     
    }     
         return contours[max_area_contour_idx];     
}     

     //程序主要部分
     
int main(      int argc,      char
     *
     * argv )
     
{     
         //读入图像，转换为灰度     
    Mat src      = imread(     "E:/sandbox/cloud.png");     
    Mat src_gray;     
    cvtColor(src, src_gray, COLOR_BGR2GRAY);     
         //阈值处理     
    Mat threshold_output;     
    cv     :     :threshold(src_gray,threshold_output,     150,
     255,THRESH_OTSU
     |THRESH_BINARY_INV);
     
         //轮廓分析     
    vector     <vector     <Point     > 
     > contours;
     
    vector     <Vec4i     > hierarchy;     
    vector     <Point     > biggestContour      =  FindBigestContour(threshold_output);
     //寻找最大轮廓
     
    Rect boundRect         = boundingRect( Mat(biggestContour) );      //获得轮廓最小外接矩形     
    cv     :     :rectangle(src,boundRect,Scalar(     0,
     0,
     255));
     
         //pca分析,求出斜率和经过的一点     
    Mat data_pts      = Mat(biggestContour.size(),      2, CV_64FC1);     //Construct a buffer used by the pca analysis
     
         for (     int i      =      0; i      < data_pts.rows; 
     ++i)
     
    {     
        data_pts.at     <     double
     >(i, 
     0) 
     = biggestContour[i].x;
     
        data_pts.at     <     double
     >(i, 
     1) 
     = biggestContour[i].y;
     
    }     
    PCA pca_analysis(data_pts, Mat(), CV_PCA_DATA_AS_ROW);     //执行PCA运算     
    Point pos      = Point2f(pca_analysis.mean.at     <     double
     >(
     0, 
     0),
     
        pca_analysis.mean.at     <     double
     >(
     0, 
     1));    
     //主方向直线经过的一点
     
    vector     <Point2d     > eigen_vecs(     2);    
     //保存PCA分析结果，其中0组为主方向，1组为垂直方向
     
    vector     <     double
     > eigen_val(
     2);
     
         for (     int i      =      0; i      < 
     2; 
     ++i)
     
    {     
        eigen_vecs[i]      = Point2d(pca_analysis.eigenvectors.at     <     double
     >(i, 
     0),
     
            pca_analysis.eigenvectors.at     <     double
     >(i, 
     1));
     
        eigen_val[i]      = pca_analysis.eigenvalues.at     <     double
     >(i,
     0);
     
    }     
    line(src, pos      -      0.     02 
     * Point(eigen_vecs[
     0].x 
     * eigen_val[
     0],eigen_vecs[
     0].y 
     * eigen_val[
     0]),
     
        pos     +     0.     02 
     * Point(eigen_vecs[
     0].x 
     * eigen_val[
     0],eigen_vecs[
     0].y 
     * eigen_val[
     0]) , Scalar(
     255, 
     255, 
     0));
     //绘制概略主方向
     
         //求出主方向直线和外接矩形的交点，     
         float k      = eigen_vecs[     0].y     /eigen_vecs[
     0].x; 
     //斜率
     
    Point2f pt1      = Point2f(boundRect.x,k     *(boundRect.x      - pos.x)
     +pos.y);
     
    Point2f pt2      = Point2f((boundRect.x     +boundRect.width),k     *((boundRect.x
     +boundRect.width)
     -pos.x)
     +pos.y);
     
    circle(src,pt1,     5,Scalar(     0,     255,
     255),
     -
     1);
     
    circle(src,pt2,     5,Scalar(     0,     255,
     255),
     -
     1);
     
         //遍历两个交点之间的线段，得出和轮廓的交点     
    LineIterator it(src, pt1, pt2,      8);     
         for(     int i      =      0; i      < it.count; i
     ++, 
     ++it)
     
    {     
         Point pt(it.pos());     //获得线段上的点     
              if (abs(pointPolygonTest(biggestContour,pt,     true))      <      1)     
                circle(src,pt,     5,Scalar(     0,     0,
     255),
     -
     1);
     
    }     
    waitKey();     
         return      0;     
}

知识重点：

1、FindBigestContour为寻找轮廓中最大轮廓的函数，目前这个函数还没有merge到OpenCV中，下一步有这个计划，注意这个函数的命名规则是按照OpenCV的方法定义的；

2、我们采用Rect boundRect = boundingRect( Mat(biggestContour) );

来获得轮廓的最小外接矩形。为什么要首先获得这个外接矩形了，因为我们这里来所有要求的点肯定都在这个矩形中，我们做这一步就能够降低算法的计算复杂程度；

3、PCA分析的具体原来和细节，请查看《如何获得物体的主要方向？》

我们这里使用，主要是获得两个数据，一个是该轮廓的重心，这个点是我们最后要求的那条直线肯定经过的；二个是求出直线的斜率。那么对于一条直线，已经知道斜率和经过的一点，就已经能够被定义出来；

4、最后在求该直线和轮廓的交点的时候，采用了LineIterator 和pointPolygonTest，前者是OpenCV中专门用来遍历直线的；后者是专门用来计算点和轮廓的关系的，应该说这里的应用还是非常高效的。

感谢阅读至此，希望有所帮助。