opencv检测点是否在轮廓内
用opencv在图片上进行排料，主函数里应该没什么问题，自定义函数里面的第一个循环，手动一条一条运行，是没有问题的，但是直接调试自动运行，就会出错，遍历不到圆中坐标，前几个圆没有问题，可以直接测试圆心坐标（1361,166）的。
本人刚刚自学，写的代码比较low，但是应该还是能看懂的，下面是用到的两张图片
#include <opencv2\opencv.hpp> //加载OpenCV4.1头文件。
#include <iostream>
#include <math.h>
#include <vector>
#include <core\types.hpp>
using namespace std;
using namespace cv;//OpenCV的命名空间
int jianceshifoulunkuonei(vector<vector<Point>> x, vector<vector<Point>> y, Mat paibanshiyan) //监测元件是否在板材上的函数
{
Point2f bianlizuobiao;
Point2f yuanzhongzuobiaozhuancun;
Point2f yuanzhongzuobiao[100000];
double bianlishifouzaiyunzhong;
int jishu = 0;
for (float i = 0; i <= paibanshiyan.rows; i++)
{
for (float c = 0; c <= paibanshiyan.cols; c++)
{
bianlizuobiao = { i,c };
for (int g = 0; g <1;g++)
{
bianlishifouzaiyunzhong = pointPolygonTest(y[g], bianlizuobiao, false);
if (bianlishifouzaiyunzhong >= 0)
{
yuanzhongzuobiao[jishu] = bianlizuobiao;
jishu++;
}
}
}
}
for (int t = 0; t < jishu;t++)
{
yuanzhongzuobiaozhuancun = yuanzhongzuobiao[t];
for (int d = 0; d < x.size();d++)
{
double w = pointPolygonTest(x[d], yuanzhongzuobiaozhuancun, false);
if (w<0)
{
return 0;
}
}
}
return 1;
}
int main()
{
Mat heibai;//创建黑白所使用的类
Mat c;
Mat a = imread("C:/Users/刘春瑞/Desktop/模拟相机拍照1.jpg");//读取第一张图片，模拟拍第一张照片
Mat b = imread("C:/Users/刘春瑞/Desktop/模拟相机拍照2.jpg");//读取第二张图片，模拟拍第二张照片
if (a.empty()) //判断两张照片是否存在
{
cout << "请确认图像文件名称是否正确" << endl;
return -1;
}
if (b.empty()) //判断两张照片是否存在
{
cout << "请确认图像文件名称是否正确" << endl;
return -1;
}
vconcat(a, b, c); //拼接两张图
cvtColor(c, heibai, COLOR_BGR2GRAY);/*输出黑白的图片*/
GaussianBlur(heibai, heibai, Size(3, 3), 0, 0); //对图像进行高斯滤波
threshold(heibai, heibai, 5, 255, 1 | 8); //进行黑白转换，原图是白色为背景，黑色为板材，提取轮廓正好相反
float bianju; //创建元件距边变量
float yuanju; //创建排料的圆心距变量
float banjing; //创建元件半径变量
float genhao3 = sqrt((float)3); //创建根号三变量
cout << ("输入边距\n");
cin >> bianju; //输入边距
cout << ("输入圆距\n");
cin >> yuanju; //输入圆心距
cout << ("圆形半径\n");
cin >> banjing; //输入元件半径
float pailiaobanjing; //创建排料半径变量
pailiaobanjing = banjing + yuanju / 2; //对排料半径赋值
Point2f zuobiaoshuzu[20]; //排料过程中使用的圆心坐标
Point2f shuchuzuobiao[500]; //最后需要的圆心坐标
Point2f q[4]; //创建最小矩形用到的四个顶点坐标数组
vector<vector<Point>> e; //创建板材轮廓用的数组
vector<Point> hull;
vector<Vec4i> p;
RotatedRect juxing; //创建最小外接矩形的变量
bool shifoukaishipaituxuanhuan = true; //创建是否排样的变量
Point2f hengxiangjia = { 2*pailiaobanjing,0 }; //横向加
Point2f shuxiangjiacuokai = { pailiaobanjing,genhao3*pailiaobanjing }; //竖向加错开
Point2f shuxiangjiacongtou = { -pailiaobanjing,genhao3*pailiaobanjing }; //竖向加从头
findContours(heibai, e,0, 1, Point()); //寻找进行过黑白装换过后的图片中的轮廓，e为轮廓坐标
if (e.empty()) //判断是否寻找到了轮廓，找到轮廓则获取最小外接矩形，否则不执行
{
}
else
{
for (int i = 0; i < e.size(); i++)
{
juxing = minAreaRect(e[i]); //寻找最小外接矩形
juxing.points(q); //获取矩形的顶点，赋值给四个角点坐标q，第三个是左上角
}
}
if (shifoukaishipaituxuanhuan==true)
{
vector<vector<Point>> zz;/*排版图上的轮廓所有坐标*/
zuobiaoshuzu[0]= { banjing + bianju , banjing + bianju };//确认第一个圆的圆心坐标
zuobiaoshuzu[0] = zuobiaoshuzu[0]+q[2];//圆心坐标加上左上角角点坐标即为第一个圆心坐标
zuobiaoshuzu[2] = zuobiaoshuzu[0];
bool henghuozheshu = true;//需要判定是横向排，还是竖向排,true为横向，false为竖向
bool jishuhuozheoushu = true; //需要判定下一行是从头开始还是错开，true是错开即偶数行，false是从头即奇数行
bool pailiaozhuangtai = true; //创建是否继续拍料的变量
for (int j = 0; pailiaozhuangtai == true;)
{
Mat paibanshiyan;/*创建一个排版用的图片,与原图相同*/
heibai.copyTo(paibanshiyan);/*创建一个排版用的图片,与原图相同*/
paibanshiyan = 0;
circle(paibanshiyan, zuobiaoshuzu[2], pailiaobanjing, Scalar(255, 225, 255), -1);//在排版图上相同圆心画圆
findContours(paibanshiyan, zz, 1, 1, Point());/*从排版图上提取圆的轮廓*/
int r = jianceshifoulunkuonei(e, zz, paibanshiyan);
if (r == 1)
{
circle(heibai, zuobiaoshuzu[2], pailiaobanjing, Scalar(0, 0, 0), 1);//在原图上相同圆心画圆
shuchuzuobiao[j] = zuobiaoshuzu[2];
zuobiaoshuzu[2] = zuobiaoshuzu[2] + hengxiangjia;
j++;
}
else
{
if (jishuhuozheoushu==true)
{
zuobiaoshuzu[2] = zuobiaoshuzu[0] + shuxiangjiacuokai;
zuobiaoshuzu[0] = zuobiaoshuzu[2];
jishuhuozheoushu = false;
}
else
{
zuobiaoshuzu[2] = zuobiaoshuzu[0] + shuxiangjiacongtou;
zuobiaoshuzu[0] = zuobiaoshuzu[2];
jishuhuozheoushu = true;
}
}
}
}
imshow("123", heibai);
cin >> banjing;
}
引用chatgpt部分指引作答：
这段代码中的问题可能在于jianceshifoulunkuonei函数中的循环部分。根据你提供的描述，手动逐步执行该循环时没有问题，但在自动调试运行时出错。
有几种可能的原因导致这个问题：
1、图像处理步骤的顺序问题：请确保在调用jianceshifoulunkuonei函数之前已经完成了图像处理步骤，如阈值化、高斯滤波和轮廓提取。确认这些步骤的顺序是否正确。
2、轮廓坐标的传递问题：确保你正确地将e和zz传递给了jianceshifoulunkuonei函数。可以通过打印这两个变量的内容来验证是否传递正确。
3、轮廓遍历的问题：循环中使用了x和y作为轮廓的参数，但是在调用pointPolygonTest函数时，只使用了y[g]。这可能导致遍历轮廓时出现错误。请确保在遍历轮廓时使用正确的参数。
请逐一检查这些可能的问题，并进行调试和验证。
根据你的描述，你希望首先提取圆内的所有坐标，然后检查这些坐标是否都在轮廓 x 内。
在你的代码中，我注意到了一个可能导致问题的地方。在循环中，你使用 jishu 来追踪 yuanzhongzuobiao 数组中有效的坐标数量。然后，在第二个循环中，你遍历 yuanzhongzuobiao 数组的所有元素，并在每次迭代中检查这些坐标是否都在轮廓 x 内。
问题可能出现在 jishu 变量的使用上。由于你使用 jishu 来追踪有效的坐标数量，因此在第二个循环中，只应该遍历 yuanzhongzuobiao 数组中的前 jishu 个元素，而不是遍历整个数组。
以下是对你的代码做出的修改：
int jianceshifoulunkuonei(vector<vector<Point>> x, vector<vector<Point>> y, Mat paibanshiyan)
{
Point2f bianlizuobiao;
Point2f yuanzhongzuobiao[100000];
int jishu = 0;
for (float i = 0; i <= paibanshiyan.rows; i++)
{
for (float c = 0; c <= paibanshiyan.cols; c++)
{
bianlizuobiao = { i,c };
for (int g = 0; g < 1; g++)
{
double bianlishifouzaiyunzhong = pointPolygonTest(y[g], bianlizuobiao, false);
if (bianlishifouzaiyunzhong >= 0)
{
yuanzhongzuobiao[jishu] = bianlizuobiao;
jishu++;
}
}
}
}
for (int t = 0; t < jishu; t++)
{
Point2f yuanzhongzuobiaozhuancun = yuanzhongzuobiao[t];
for (int d = 0; d < x.size(); d++)
{
double w = pointPolygonTest(x[d], yuanzhongzuobiaozhuancun, false);
if (w < 0)
{
return 0;
}
}
}
return 1;
}
第二个循环中使用了 jishu 变量来控制迭代次数。
请尝试运行修改后的代码，看看是否解决了问题。
当然，你需要建议的话，当您检测小轮廓是否完全包含在大轮廓内时，可以使用以下步骤：
遍历小轮廓集合。
对于每个小轮廓，使用 pointPolygonTest 函数检查其所有点是否都在大轮廓内部。
如果有任何一个点不在大轮廓内，表示小轮廓未完全包含在大轮廓内，可以立即返回结果。
如果所有小轮廓的所有点都在大轮廓内，表示所有小轮廓都完全包含在大轮廓内。
以下是修改后的 jianceshifoulunkuonei 函数，实现了上述步骤：
int jianceshifoulunkuonei(const vector<Point>& bigContour, const vector<vector<Point>>& smallContours)
{
for (const vector<Point>& smallContour : smallContours)
{
for (const Point& point : smallContour)
{
double distance = pointPolygonTest(bigContour, point, false);
if (distance < 0)
{
return 0; // 小轮廓中的点不在大轮廓内
}
}
}
return 1; // 所有小轮廓都在大轮廓内
}
在调用 jianceshifoulunkuonei 函数时，将大轮廓传递为第一个参数，小轮廓集合传递为第二个参数。
请注意，此函数假设所有小轮廓都是由 vector 类型表示的，而大轮廓是由一个 vector 表示的。
希望这个解决方案能够满足您的需求。
我不懂你排料都知道圆的半径和圆心位置了，还要用轮廓pointPolygonTest来检测干嘛？只要圆心和半径之后，你轮廓是矩形的ROI，又不是不规则图像，直接用圆心加减半径得到圆的外接矩形circle_roi,直接用矩形位运算 ROI&circle_roi结果是否为circle_roi就可以知道ROI是否全部包含整个圆，也就是可以知道圆是否超过轮廓了（或者直接判断xywh是否超过也行），不需要那么复杂，又是找圆轮廓，遍历整张Mat，遍历轮廓点啥的，效率太慢了。
而且粗略运行了下，你这里一直都是true，我下面没看见你修改过这个标志位，这意味着你这边是死循环了，就算没有你说的报错，这里也一直会在循环不停。
另外给你个建议，除非迫不得已，opencv里面最好不要去想着for循环遍历像素点，能整张Mat操作的最好直接操作，不然图片大一些，for循环遍历速度会很慢。就拿你上面的例子来说，jianceshifoulunkuonei()函数输入图片中，大部分都是没有用的像素值（黑色），但是你直接用遍历来操作获取到白色区域的点，这点看来并不是一种很好的策略。在你都已经知道圆心和半径的情况下，直接用点到圆心的距离来做会更好，更近一步，获取圆的外接矩形框，不在外接矩形框内的点肯定是圆外的了，直接抠图外接矩形框的遍历也比你遍历整张图效率高。而实际上就根本不需要这么做，像我上面说的，直接两个矩形框来判断会更快。
既然你自动运行会报错，那就在每隔一段加上打印，排查是哪里的问题。
这两张图，你的几个输入是多少
- 你可以参考下这个问题的回答, 看看是否对你有帮助, 链接: https://ask.csdn.net/questions/7585335
- 我还给你找了一篇非常好的博客，你可以看看是否有帮助，链接：【OpenCV3图像处理】提取轮廓的凸包、外包矩形、最小外包矩形、最小外包圆
- 除此之外, 这篇博客: 【OpenCV】学习笔记（一）：基础操作部分中的 4.4.2 示例程序：图像对比度、亮度调整 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:
#include <iostream> #include <cstdlib> #include <math.h> #include <opencv2/opencv.hpp> using namespace std; using namespace cv; static void on_ContrastAndBright(int, void *); //改变图像对比度和亮度值的回调函数 //static void ShowHelpText(); int g_nContrastValue; //对比度 int g_nBrightValue; //亮度值 Mat g_srcImage, g_dstImage; int main() { //【1】读取输入图像 g_srcImage = imread("E:/result/MyPic.png"); if (!g_srcImage.data) { cout << "读取g_srcImage error~"; return false; } g_dstImage = Mat::zeros(g_srcImage.size(), g_srcImage.type()); //【2】设置对比度和亮度 g_nBrightValue = 80; g_nContrastValue = 80; //【3】创建效果图窗口 namedWindow("【效果图窗口】", 1); //【4】创建轨迹条 createTrackbar("对比度", "【效果图窗口】", &g_nContrastValue, 300, on_ContrastAndBright); createTrackbar("亮 度", "【效果图窗口】", &g_nBrightValue, 200, on_ContrastAndBright); //【5】进行回调函数初始化 on_ContrastAndBright(g_nContrastValue, 0); on_ContrastAndBright(g_nBrightValue, 0); //【6】按下"q"，程序退出 while(char(waitKey(1)) != 'q'){} destroyAllWindows(); return 0; } static void on_ContrastAndBright(int, void *) { cvNamedWindow("【原图窗口】", 1); //for计算：g_dstImage(i, j) = a*g_dstImage(i, j) + b for (int y = 0; y < g_srcImage.rows; y++) { for (int x = 0; x < g_srcImage.cols; x++) { for (int c = 0; c < 3; c++) { g_dstImage.at<Vec3b>(y, x)[c] = saturate_cast<uchar>((g_nContrastValue*0.01)*(g_srcImage.at<Vec3b>(y, x)[c]) + g_nBrightValue); } } } imshow("【原图窗口】", g_srcImage); imshow("【效果图窗口】", g_dstImage); }
在 OpenCV 中，可以使用 pointPolygonTest 函数来检测一个点是否在轮廓内。该函数接受三个参数：轮廓、点和一个布尔值。如果布尔值为 true，则表示只检测点到轮廓的距离；如果布尔值为 false，则表示检测点是否在轮廓内。
下面是一个示例代码：
import cv2
# 读取图像并转换为灰度图像
img = cv2.imread('image.png')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 二值化图像
ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
# 查找轮廓
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
# 绘制轮廓
cv2.drawContours(img, contours, -1, (0, 255, 0), 2)
# 检测点是否在轮廓内
point = (100, 100)
distance = cv2.pointPolygonTest(contours[0], point, True)
if distance > 0:
print('点在轮廓内')
elif distance == 0:
print('点在轮廓上')
else:
print('点在轮廓外')
# 显示图像
cv2.imshow('image', img)
cv2.waitKey(0)
cv2.destroyAllWindows()
在上面的代码中，我们首先读取一张图像，并将其转换为灰度图像。然后，我们对灰度图像进行二值化处理，并查找图像中的轮廓。接下来，我们绘制轮廓，并使用 pointPolygonTest 函数检测一个点是否在轮廓内。最后，我们根据检测结果输出相应的信息，并显示图像。
可以参考下
#include<opencv2/opencv.hpp>
#include<iostream>
using namespace cv;
using namespace std;
int main(int argc,char*argv)
{
Mat src = Mat::zeros(Size(512, 512), CV_8UC1);
vector<Point2f>Poly = { Point2f(50, 300), Point2f(100, 200),Point2f(200, 200),Point2f(250, 300), Point2f(200, 400), Point2f(100, 400) };
for (size_t i = 0; i < 5; i++)
{
line(src, Poly[i], Poly[i + 1], Scalar(255), 1, 8, 0);
}
line(src, Poly[5], Poly[0], Scalar(255), 1);
imshow("src",src);
vector<vector<Point>>contours;
findContours(src, contours, RETR_EXTERNAL, CHAIN_APPROX_NONE);
Mat drawImg=Mat::zeros(src.size(),CV_32FC3);
drawContours(drawImg, contours, -1, Scalar(0, 0, 255));
imshow("drawImg", drawImg);
Mat resultImg = Mat::zeros(src.size(), CV_32FC1);
for (int row = 0; row < src.rows; row++)
{
for (int col = 0; col < src.cols; col++)
{
resultImg.at<float>(col,row) = (float)pointPolygonTest(contours[0], Point2f((float)row, (float)col), true);
}
}
imshow("resultImg", resultImg);
Mat dst = Mat::zeros(src.size(), CV_8UC3);
for (int row = 0; row < src.rows; row++)
{
for (int col = 0; col < src.cols; col++)
{
float distance = resultImg.at<float>(col, row);
if (distance>0.0)
{
dst.at<Vec3b>(col, row)[0] = distance;
}
else if (distance<0.0)
{
dst.at<Vec3b>(col, row)[1] = saturate_cast<uchar>(abs(distance));
dst.at<Vec3b>(col, row)[2] = saturate_cast<uchar>(abs(distance));
}
else
{
dst.at<Vec3b>(col, row)[2] = 255;
}
}
}
imshow("dst", dst);
waitKey();
return 0;
}