本节我们将学习OpenCV的pointPolygonTest()函数：

C++：
double cv::pointPolygonTest	(InputArray contour, Point2f pt, bool measureDist)	
Python:
cv.pointPolygonTest(contour, pt, measureDist) ->retval
参数：
 contour：输入轮廓。
 pt：要测试的点。
 measureDist：如果为真，该函数估计从点到最近的轮廓边缘的符号距离。否则，函数只检查点是否在轮廓线内。
 
该函数确定点是在轮廓线内、外，还是位于边缘(或与顶点重合)。它会相应地返回正(内部)、负(外部)或零(边缘)值。当measureDist=false时，返回值分别是**+1**，-1和0。否则，返回值是点和最近的轮廓边缘之间的带符号距离。
 
2.代码案例
 
2.1 Python代码
 
from __future__ import print_function
from __future__ import division
import cv2 as cv
import numpy as np
# Create an image
r = 100
src = np.zeros((4*r, 4*r), dtype=np.uint8)
# 创建六边形的6个顶点
vert = [None]*6
vert[0] = (3*r//2, int(1.34*r))
vert[1] = (1*r, 2*r)
vert[2] = (3*r//2, int(2.866*r))
vert[3] = (5*r//2, int(2.866*r))
vert[4] = (3*r, 2*r)
vert[5] = (5*r//2, int(1.34*r))
# 根据六个顶点画6边形
for i in range(6):
    cv.line(src, vert[i],  vert[(i+1)%6], ( 255 ), 3)
# 获取六边形的轮廓
contours, _ = cv.findContours(src, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)
# 计算图上点到六边形的距离（带符号）
raw_dist = np.empty(src.shape, dtype=np.float32)
for i in range(src.shape[0]):
    for j in range(src.shape[1]):
        raw_dist[i,j] = cv.pointPolygonTest(contours[0], (j,i), True)
# 查找带符号的最大最小值
minVal, maxVal, _, maxDistPt = cv.minMaxLoc(raw_dist)
minVal = abs(minVal)
maxVal = abs(maxVal)
# 用图形表示距离
drawing = np.zeros((src.shape[0], src.shape[1], 3), dtype=np.uint8)
for i in range(src.shape[0]):
    for j in range(src.shape[1]):
        if raw_dist[i,j] < 0:
            drawing[i,j,0] = 255 - abs(raw_dist[i,j]) * 255 / minVal
        elif raw_dist[i,j] > 0:
            drawing[i,j,2] = 255 - raw_dist[i,j] * 255 / maxVal
        else:
            drawing[i,j,0] = 255
            drawing[i,j,1] = 255
            drawing[i,j,2] = 255
cv.circle(drawing,maxDistPt, int(maxVal),(255,255,255), 1, cv.LINE_8, 0)
cv.imshow('Source', src)
cv.imshow('Distance and inscribed circle', drawing)
cv.waitKey()
2.2 C++代码
 
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>
#include <iostream>
using namespace cv;
using namespace std;
int main( void )
    const int r = 100;
    Mat src = Mat::zeros( Size( 4*r, 4*r ), CV_8U );
    vector<Point2f> vert(6);
    vert[0] = Point( 3*r/2, static_cast<int>(1.34*r) );
    vert[1] = Point( 1*r, 2*r );
    vert[2] = Point( 3*r/2, static_cast<int>(2.866*r) );
    vert[3] = Point( 5*r/2, static_cast<int>(2.866*r) );
    vert[4] = Point( 3*r, 2*r );
    vert[5] = Point( 5*r/2, static_cast<int>(1.34*r) );
    for( int i = 0; i < 6; i++ )
        line( src, vert[i],  vert[(i+1)%6], Scalar( 255 ), 3 );
    vector<vector<Point> > contours;
    findContours( src, contours, RETR_TREE, CHAIN_APPROX_SIMPLE);
    Mat raw_dist( src.size(), CV_32F );
    for( int i = 0; i < src.rows; i++ )
        for( int j = 0; j < src.cols; j++ )
            raw_dist.at<float>(i,j) = (float)pointPolygonTest( contours[0], Point2f((float)j, (float)i), true );
    double minVal, maxVal;
    Point maxDistPt; // inscribed circle center
    minMaxLoc(raw_dist, &minVal, &maxVal, NULL, &maxDistPt);
    minVal = abs(minVal);
    maxVal = abs(maxVal);
    Mat drawing = Mat::zeros( src.size(), CV_8UC3 );
    for( int i = 0; i < src.rows; i++ )
        for( int j = 0; j < src.cols; j++ )
            if( raw_dist.at<float>(i,j) < 0 )
                drawing.at<Vec3b>(i,j)[0] = (uchar)(255 - abs(raw_dist.at<float>(i,j)) * 255 / minVal);
            else if( raw_dist.at<float>(i,j) > 0 )
                drawing.at<Vec3b>(i,j)[2] = (uchar)(255 - raw_dist.at<float>(i,j) * 255 / maxVal);
                drawing.at<Vec3b>(i,j)[0] = 255;
                drawing.at<Vec3b>(i,j)[1] = 255;
                drawing.at<Vec3b>(i,j)[2] = 255;
    circle(drawing, maxDistPt, (int)maxVal, Scalar(255,255,255));
    imshow( "Source", src );
    imshow( "Distance and inscribed circle", drawing );
    waitKey();
    return 0;
3.结果展示
 
https://docs.opencv.org/4.x/dc/d48/tutorial_point_polygon_test.html
                                    此opencv系列博客只是为了记录小编对&lt;&lt;opencv3计算机视觉-pyhton语言实现&gt;&gt;的学习笔记,所有代码在我的github主页https://github.com/RenDong3/OpenCV_Notes.
欢迎star,不定时更新...
一 轮廓检测
在计算机视觉中，轮廓检测是另一个比较重要的任务，不单是用来检测图像或者视频帧中物体的轮廓，而且还有其他操...
                                    理想很丰满，现实很骨感，常常以为实现一个算法不是很难，但在现实中场景更加复杂，硬件限制，速度要求，好吧，只能push LZ想方法解决，也就是说进入了PDCA（PLAN，DO，CHECK，ACTION）的模式。
下面介绍一个OpenCV的小接口，用来判断点和contour的位置关系
def pointPolygonTest(contour, pt, measureDist): # real sign...
                                    本文将介绍如何使用OpenCV实现多边形点位置测试并提供相关代码。本文介绍了如何使用OpenCV中的pointPolygonTest函数实现多边形点位置测试。读者可以根据自己的需求，更改多边形的顶点坐标和测试点的坐标，以得到相应的测试结果。(4) 定义测试点坐标，并使用pointPolygonTest函数对其进行位置测试。(5) 使用pointPolygonTest函数对测试点进行位置测试。(3) 使用polylines函数绘制多边形，并将其显示出来。(2) 定义多边形的顶点坐标。(5) 输出测试结果。
                                    本文将研究一种方法，该方法可以在像素化的凸多边形图像中查找顶点位置。这个方法将凸多边形的二进制图像作为输入，并输出估计的顶点位置（以最近的像素为单位）。这种方法的前提是我们已经知道凸多边形的顶点数。首先，为了实现这个方法，我们可以使用图像处理算法，例如边缘检测算法，来检测凸多边形的边缘。这将帮助我们识别凸多边形的边界，并进一步分割图像以便于分析。接下来，我们可以使用形态学运算，如腐蚀和膨胀，来清除图像中的噪声，并进一步增强边缘的连续性。这将有助于减少误差和提高顶点检测的准确性。
                                    使用OpenCV函数cvpointPolygonTest执行轮廓点测试该函数确定点是在轮廓线内、外，还是位于边缘(或与顶点重合)。它会相应地返回正(内部)、负(外部)或零(边缘)值。当measureDist=false时，返回值分别是+1，-1和0。否则，返回值是点和最近的轮廓边缘之间的符号距离。...
                                    clearall;closeall;clc;n=20;p=rand(n,2);p=createSimplyPoly(p);%创建简单多边形holdon;fori=1:nifi==1%处理第一个点v1=p(n,:)-p(1,:);%当前点到前一点向量v2=p(2,:)-p(1,:);%当前点到后一点向量elseifi...
#include <stdio.h>
#include <math.h>
#include <string.h>#define SHAPE 7 //要检测的多边形边数////////////////////////////////////////////////////////////////
2.凹包情况就复杂了，可以从三个方面考虑
首先，可以去凸包上的特殊点，x最大最小的点，y最大最小的点，这些极值点肯定是在凸包上的，可以计算这些的叉积，
其次，直接统计叉积正负的数量，正多负少，是逆时针，反之，顺时针，
一个简单的做法是，计算面积，用面积的正负判断方向
http://acm.hunnu.edu.cn/on
read_image (Image, 'D:/Halcon-WorkSpaces/Test/Image/test12.png')
points_foerstner (Image, 1, 2, 3, 200, 0.1, 'gauss', 'false', \
RowJunctions, ColumnJunctio...
                                    今天在进行缺陷检测的程序设计时，想根据一个点是否在给定的轮廓中来判断物件是否被沾污。估计opencv中应该有这样的函数，就查找并记录了下来。
C++: double pointPolygonTest(InputArray contour,
 Point2f pt, bool measureDist)
参数： contour            ---输入轮廓