1.凸缺陷
找到凸缺陷
~~~
hull=cv2.convexHull(cnt,returnPoints=False)
defects=cv2.convexityDefects(cnt,hull)
~~~
它會返回一個數組，其中每一行包含的值是【起點，終點，最遠的點，到最遠點的近似距離】
~~~
import cv2
import numpy as np
img=cv2.imread('0023.jpg')
img_gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
ret,thresh=cv2.threshold(img_gray,127,255,0)
contours=cv2.findContours(thresh,2,1)
hierarchy = cv2.findContours(thresh,2,1)
cnt=contours[0]
hull=cv2.convexHull(cnt,returnPoints=False)
defects=cv2.convexityDefects(cnt,hull)
for i in range(defects.shape[0]):
s,e,f,d=defects[i,0]
start=tuple(cnt[s][0])
end=tuple(cnt[e][0])
far=tuple(cnt[f][0])
cv2.line(img,start,end,[0,255,0],2)
cv2.circle(img,far,5,[0,0,255],-1)
while(1):
cv2.imshow('img',img)
if cv2.waitKey(1)==ord('q'):
break
cv2.destroyAllWindows()
~~~
2.Point Polygon Test
求解圖像中的一個點到一個對象輪廓的最短距離。如果點再輪廓的外部，返回值為負，如果在輪廓上，返回值為0，如果在輪廓內部，返回值為正。
下面我們以點（50,50）為例：
~~~
dist = cv2.pointPolygonTest(cnt,(50,50),True)
~~~
此函數的第三個參數是measureDist。如果設置為True，就會計算最短距離。如果是False，只會判斷這個點與輪廓之間的位置關系（返回值為+1,-1,0）
3.形狀匹配
函數cv2.matchShape()可以幫我們比較兩個形狀或者輪廓的相似度，如果返回值越小，匹配越好，它是根據Hu矩來計算的。
~~~
import cv2
import numpy as np
img1 = cv2.imread('roi.jpg')
img2 = cv2.imread('0022.jpg')
ret,thresh=cv2.threshold(img1,127,255,0)
ret,thresh2=cv2.threshold(img2,127,255,0)
contours,hierarchy =cv2.findContours(thresh,2,1)
cnt1=contours[0]
contours,hierarchy =cv2.findContours(thresh2,2,1)
cnt2=contours[0]
ret=cv2.matchShapes(cnt1,cnt2,1,0,0)
print(ret)
~~~
在python3.5和cv2中contours,hierarch會報錯。
