图像处理之计算任意点与轮廓点集中距离最近的点坐标

原创

已于 2024-11-29 12:32:09 修改 · 6k 阅读

标签

#图像处理 #webpack #人工智能

于 2020-04-12 23:30:47 首次发布

本文介绍两种计算图像中任意点与轮廓最近距离的方法。一种是以点为中心，逐步扩大半径直至找到轮廓上的点，另一种是使用矩形扩张方式，通过调整矩形大小找到目标点，后者效率更高。

opencv中计算任意一点P与轮廓C的距离很简单，可以直接调用pointPolygonTest函数获取，但是想要知道轮廓C中哪个点与点P的距离最近却没有现成的函数可用。

思路一：一个最朴实的想法就是获取以点P为中心，半径为r的圆的坐标点集，一步步增大半径r，直到圆上某一点Q在轮廓C上，即点Q就是我们需要找的点。考虑到效率问题，有两个地方可以优化一下：1>把轮廓C的点集额外保存成x坐标和y坐标作为键值的map结构中，在通过判断y坐标和x坐标是否相等快速查找；2>可以直接调用pointPolygonTest获取点P到轮廓C的距离d，然后直接让半径r从d开始增大，避免不必要的迭代。

其中一个需要解决的问题是怎么通过中心点P和半径r获取圆上所有点的集合？这个问题并不像表面上看起来那么简单，我自己写了个getCirclePts函数(参考了opencv的circle函数)，代码如下：

vector<Point> getCirclePts(Point center, int radius)
{
    vector<Point> ret;
    int err = 0, dx = radius, dy = 0, plus = 1, minus = (radius << 1) - 1;
    while(dx >= dy)
    {
        int mask;
        int y11 = center.y - dy, y12 = center.y + dy, y21 = center.y - dx, y22 = center.y + dx;
        int x11 = center.x - dx, x12 = center.x + dx, x21 = center.x - dy, x22 = center.x + dy;

        ret.push_back(Point(x11,y11));
        ret.push_back(Point(x11,y12));
        ret.push_back(Point(x12,y11));
        ret.push_back(Point(x12,y12));
        ret.push_back(Point(x21,y21));
        ret.push_back(Point(x21,y22));
        ret.push_back(Point(x22,y21));
        ret.push_back(Point(x22,y22));

        dy++;
        err += plus;
        plus += 2;
        mask = (err <= 0) - 1;
        err -= minus & mask;
        dx += mask;
        minus -= mask & 2;
    }
    return ret;
}

根据思路一写了份测试代码如下，把显示部分注释掉打印了在我笔记本上的每计算一次的执行时间大概200us。这个方法一个隐藏的缺点在于当点P与轮廓C距离较远时，需要获取以点P为中心的圆上点集数量比较多，再去遍历这些点判断是否在轮廓C上较为耗时。

void demo1()
{
    Mat srcImg = imread("/home/gk/program/C++/CalcDistance/test1.png", IMREAD_GRAYSCALE);
    Mat binaryImg;
    threshold(srcImg, binaryImg

最低0.47元/天解锁文章