29、【opencv入门】轮廓查找与绘制（7）——位置关系及轮廓匹配

一、计算点与轮廓的距离及位置关系---pointPolygonTest()

CV_EXPORTS_W double pointPolygonTest(InputArray contour, Point2f pt, bool measureDist);

　　contour: 所需检测的轮廓对象

　　pt: Point2f 类型的pt, 待判定位置的点

　　measureDist: 是否计算距离的标志, 当其为true时, 计算点到轮廓的最短距离, 当其为false时, 只判定轮廓与点的位置关系, 具体关系如下:    

　　　　①返回值为-1, 表示点在轮廓外部    

　　　　②返回值为0, 表示点在轮廓上    

　　　　③返回值为1, 表示点在轮廓内部

示例：

double a0 = pointPolygonTest(contours[0], Point(3,3), true);
double b0 = pointPolygonTest(contours[0], Point(3,3), false);

注意：如果你不需要知道具体的距离，建议你将第三个参数设为false，这样速度会提高2到3倍。

//计算点到轮廓的距离
#include "opencv2/opencv.hpp"
#include <iostream>

using namespace std;
using namespace cv;

int main()
{
    //计算点到轮廓的距离与位置关系
    Mat srcImg = imread("1.png");
    imshow("src", srcImg);

    Mat dstImg = srcImg.clone();
    cvtColor(srcImg, srcImg, CV_BGR2GRAY);
    threshold(srcImg, srcImg, 100, 255, CV_THRESH_BINARY);
    imshow("threshold", srcImg);

    //查找轮廓
    vector<vector<Point>> contours;
    vector<Vec4i> hierarcy;
    findContours(srcImg, contours, hierarcy, CV_RETR_TREE, CV_CHAIN_APPROX_NONE);//TREE:提取所有轮廓    NONE：画出轮廓所有点
    cout << "contours.size()=" << contours.size() << endl;
    for (int i = 0; i < contours.size(); i++)//遍历每个轮廓
    {
        for (int j = 0; j < contours[i].size(); j++)//遍历轮廓每个点
        {
            cout << "(" << contours[i][j].x << "," << contours[i][j].y << ")" << endl;
        }
    }

    double a0 = pointPolygonTest(contours[0], Point(3, 3), true);//点到轮廓的最短距离
    double b0 = pointPolygonTest(contours[0], Point(212, 184), false);//点与轮廓的位置关系：-1表示外部；0表示在轮廓上；1表示轮廓内部
    cout << "a0=" << a0 << endl;
    cout << "b0=" << b0 << endl;
    waitKey(0);
    return 0;
}

二、轮廓的矩的计算---moments()

CV_EXPORTS_W Moments moments(InputArray array, bool binaryImage=false);

　　array: 输入参数, 可以是光栅图像或二维数组

　　binaryImage:默认值false, 非零像素取其本身值, 若为true, 则非零像素取1 返回值: Moments类的对象, 返回对应的轮廓的空间矩/中心矩和归一化中心矩(最高3阶), 如下:

更多关于轮廓的矩的计算，参见：

http://blog.csdn.net/cp32212116/article/details/38374015 
http://blog.csdn.net/huixingshao/article/details/42060231

//轮廓矩的计算
#include "opencv2/opencv.hpp"
#include <iostream>

using namespace std;
using namespace cv;

int main()
{
    Mat srcImg = imread("1.png");
    imshow("src", srcImg);

    Mat dstImg = srcImg.clone();
    cvtColor(srcImg, srcImg, CV_BGR2GRAY);
    threshold(srcImg, srcImg, 100, 255, CV_THRESH_BINARY);
    //imshow("threshold", srcImg);

    vector<vector<Point>> contours;
    vector<Vec4i> hierarcy;
    findContours(srcImg, contours, hierarcy, CV_RETR_TREE, CV_CHAIN_APPROX_NONE);
    cout << "contours.size()=" << contours.size() << endl;
    Moments moment0 = moments(contours[0], false);
    cout << moment0.m00<< endl;
    waitKey(0);
    return 0;
}

三、形状匹配---matchShapes()

CV_EXPORTS_W double matchShapes(InputArray contour1, InputAaary contour2, int method, double parameter);

　　contour1: 所需比较的轮廓1

　　contour2: 所需比较的轮廓2

　　method: 轮廓比较的方法

　　parameter: 比较方法的特殊参数(目前不支持)

注意:  matchShapes()函数比较轮廓相似度是基于Hu矩来计算的, 结果越小相似度越高。

Hu矩是归一化中心矩的线性组合, 是为了获取图像某个特征的矩函数(对应变化如平移、缩放、旋转、镜像)  

//形状匹配
#include "opencv2/opencv.hpp"
#include <iostream>
#include <iomanip>

using namespace std;
using namespace cv;

int main()
{
    Mat srcImg = imread("1.jpg");  //模板图像
    imshow("src", srcImg);
    cvtColor(srcImg, srcImg, CV_BGR2GRAY);
    threshold(srcImg, srcImg, 100, 255, CV_THRESH_BINARY);
    vector<vector<Point>> contours;
    vector<Vec4i> hierarcy;
    findContours(srcImg, contours, hierarcy, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_NONE);

    Mat srcImg2 = imread("2.jpg");  //待测试图片
    imshow("src2", srcImg2);
    Mat dstImg = srcImg2.clone();
    cvtColor(srcImg2, srcImg2, CV_BGR2GRAY);
    threshold(srcImg2, srcImg2, 100, 255, CV_THRESH_BINARY);
    vector<vector<Point>> contours2;
    vector<Vec4i> hierarcy2;
    findContours(srcImg2, contours2, hierarcy2, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_NONE);
    while (1)
    {
        for (int i = 0; i<contours2.size(); i++)
        {
            double matchRate = matchShapes(contours[0], contours2[i], CV_CONTOURS_MATCH_I1, 0.0);//形状匹配:值越小越相似
            cout << "index=" << i << "---" << setiosflags(ios::fixed) << matchRate << endl;//setiosflags(ios::fixed)是用定点方式表示实数，保留相同位数，相同格式输出
            if (matchRate <= 0.1)
                drawContours(dstImg, contours2, i, Scalar(0, 255, 0), 2, 8);
            imshow("dst", dstImg);
            /*char key = waitKey();
            if (key == 27)
                break;*/
        }
        break;
    }
    waitKey(0);
    return 0;
}