如何使用 javacv/opencv 识别黑色多边形上的点？答案

【问题标题】：How to identify points on black polygon using javacv/opencv?如何使用 javacv/opencv 识别黑色多边形上的点？
【发布时间】：2012-10-19 11:34:41
【问题描述】：

我尝试识别这个黑色多边形周围的轮廓，我需要访问这些点，但它对我不起作用。这是输入图像

但是当我尝试执行以下代码时，它没有给出预期的结果，这意味着它应该。

        CanvasFrame cnvs=new CanvasFrame("Polygon");
        cnvs.setDefaultCloseOperation(javax.swing.JFrame.EXIT_ON_CLOSE);

        CvMemStorage storage=CvMemStorage.create();
        CvSeq squares = new CvContour();
        squares = cvCreateSeq(0, sizeof(CvContour.class), sizeof(CvSeq.class), storage);
        String path="project/Test/img/black.png";
        IplImage src = cvLoadImage(path);
        IplImage gry=cvCreateImage(cvGetSize(src),IPL_DEPTH_8U,1);
        cvCvtColor(src, gry, CV_BGR2GRAY);
        cvThreshold(gry, gry, 230, 255, CV_THRESH_BINARY_INV);
        cnvs.showImage(gry);
        cvFindContours(gry, storage, squares, Loader.sizeof(CvContour.class), CV_RETR_LIST, CV_CHAIN_APPROX_NONE);
        CvSeq ss=null;
        CvSeq tmp=null;
        int ii=0;
            for (ss=squares; ss!=null; ss=ss.h_next()) {
                tmp=cvApproxPoly(ss, sizeof(CvContour.class), storage, CV_POLY_APPROX_DP, 8, 0);
                System.out.println("index "+ii+" points "+tmp.total()+" area "+cvContourArea(ss, CV_WHOLE_SEQ, 0));
                cvDrawContours(src, ss, CvScalar.RED, CV_RGB(248, 18, 18), 1, -1, 8);
                //drawPoly(src, tmp);
            }
        IplConvKernel mat=cvCreateStructuringElementEx(7, 7, 3, 3, CV_SHAPE_RECT, null);
        cvDilate(src, src, mat, CV_C);
        cvErode(src, src, mat, CV_C);
        cnvs.showImage(src);
        saveImage("nw.png", src);

但是当我检查输出时它只给出了

索引0点8区20179.0

这意味着它只识别多边形的 8 个点，但它应该是 12 个点。请有人解释这段代码的问题。

显示输出图像

【问题讨论】：

标签： image-processing opencv javacv

【解决方案1】：

cvApproxPoly() 函数使用Ramer–Douglas–Peucker 算法进行曲线逼近。该算法的目的是找到一条具有较少点的相似曲线。算法本身有两个参数作为输入：

点（顶点）列表，
近似精度。

简而言之，近似精度值越大，近似曲线中被忽略的点的机会就越大（请参考维基百科article，尤其是this动画）。在你的函数调用中：

cvApproxPoly(ss, sizeof(CvContour.class), storage, CV_POLY_APPROX_DP, 8, 0);

第5个参数是近似精度。如果您不想减少顶点数量，则该值应该很小（对于此示例，大约 1 的值正好给出 12 个顶点，因此没有近似值）。

【讨论】：