ApproxChains

用多邊形曲線逼近 Freeman 鏈

CvSeq* cvApproxChains( CvSeq* src_seq, CvMemStorage* storage, int method=CV_CHAIN_APPROX_SIMPLE, double parameter=0, int minimal_perimeter=0, int recursive=0 );

?

src_seq

涉及其它鏈的鏈指針

storage

存儲(chǔ)多邊形線段位置的緩存

method

逼近方法 (見函數(shù)?cvFindContours?的描述).

parameter

方法參數(shù)(現(xiàn)在不用).

minimal_perimeter

僅逼近周長(zhǎng)大于?minimal_perimeter?輪廓。其它的鏈從結(jié)果中除去。

recursive

如果非 0, 函數(shù)從?src_seq?中利用?h_next?和?v_next links?連接逼近所有可訪問的鏈。如果為 0, 則僅逼近單鏈。

這是一個(gè)單獨(dú)的逼近程序。 對(duì)同樣的逼近標(biāo)識(shí)，函數(shù)?cvApproxChains?與?cvFindContours?的工作方式一模一樣。它返回發(fā)現(xiàn)的第一個(gè)輪廓的指針。其它的逼近模塊，可以用返回結(jié)構(gòu)中的?v_next?和?v_next?域來訪問

---

StartReadChainPoints

初始化鏈讀取

void cvStartReadChainPoints( CvChain* chain, CvChainPtReader* reader );

?

chain??

????? 鏈的指針

reader

????? 鏈的讀取狀態(tài)

函數(shù)?cvStartReadChainPoints?初始化一個(gè)特殊的讀取器 (參考?Dynamic Data Structures?以獲得關(guān)于集合與序列的更多內(nèi)容).

---

ReadChainPoint

得到下一個(gè)鏈的點(diǎn)

CvPoint cvReadChainPoint( CvChainPtReader* reader );

?

reader

鏈的讀取狀態(tài)

函數(shù)?cvReadChainPoint?返回當(dāng)前鏈的點(diǎn)，并且更新讀取位置。

---

ApproxPoly

用指定精度逼近多邊形曲線

CvSeq* cvApproxPoly( const void* src_seq, int header_size, CvMemStorage* storage, int method, double parameter, int parameter2=0 );

?

src_seq

點(diǎn)集數(shù)組序列

header_size

逼近曲線的頭尺寸

storage

逼近輪廓的容器。如果為 NULL， 則使用輸入的序列

method

逼近方法。目前僅支持?CV_POLY_APPROX_DP?， 對(duì)應(yīng) Douglas-Peucker 算法.

parameter

方法相關(guān)參數(shù)。對(duì)?CV_POLY_APPROX_DP?它是指定的逼近精度

parameter2

如果?src_seq?是序列，它表示要么逼近單個(gè)序列，要么在?src_seq?的同一個(gè)或低級(jí)層次上逼近所有序列 (參考?cvFindContours?中對(duì)輪廓繼承結(jié)構(gòu)的描述). 如果?src_seq?是點(diǎn)集的數(shù)組 (CvMat*) ， 參數(shù)指定曲線是閉合 (parameter2!=0) 還是非閉合 (parameter2=0).

函數(shù)?cvApproxPoly?逼近一個(gè)或多個(gè)曲線，并返回逼近結(jié)果。對(duì)多個(gè)曲線的逼近，生成的樹將與輸入的具有同樣的結(jié)構(gòu)。(1:1 的對(duì)應(yīng)關(guān)系).

---

BoundingRect

計(jì)算點(diǎn)集的最外面（up-right）矩形邊界

CvRect cvBoundingRect( CvArr* points, int update=0 );

?

points

二維點(diǎn)集，點(diǎn)的序列或向量 (CvMat)??

update

更新標(biāo)識(shí)。下面是輪廓類型和標(biāo)識(shí)的一些可能組合:

• update=0, contour ~ CvContour*: 不計(jì)算矩形邊界，但直接由輪廓頭的?rect?域得到。
• update=1, contour ~ CvContour*: 計(jì)算矩形邊界，而且將結(jié)果寫入到輪廓頭的?rect?域中 header.
• update=0, contour ~ CvSeq* or CvMat*: 計(jì)算并返回邊界矩形
• update=1, contour ~ CvSeq* or CvMat*: 產(chǎn)生運(yùn)行錯(cuò)誤 （runtime error is raised）

函數(shù)?cvBoundingRect?返回二維點(diǎn)集的最外面 （up-right）矩形邊界。

---

ContourArea

計(jì)算整個(gè)輪廓或部分輪廓的面積

double cvContourArea( const CvArr* contour, CvSlice slice=CV_WHOLE_SEQ );

?

contour

輪廓 (定點(diǎn)的序列或數(shù)組).

slice

感興趣輪廓部分的起始點(diǎn)，缺省是計(jì)算整個(gè)輪廓的面積。

函數(shù)?cvContourArea?計(jì)算整個(gè)輪廓或部分輪廓的面積。 對(duì)后面的情況，面積表示輪廓部分和起始點(diǎn)連線構(gòu)成的封閉部分的面積。如下圖所示：

?

NOTE:?輪廓的方向影響面積的符號(hào)。因此函數(shù)也許會(huì)返回負(fù)的結(jié)果。應(yīng)用函數(shù)?fabs()?得到面積的絕對(duì)值。

---

ArcLength

計(jì)算輪廓周長(zhǎng)或曲線長(zhǎng)度

double cvArcLength( const void* curve, CvSlice slice=CV_WHOLE_SEQ, int is_closed=-1 );

?

curve

曲線點(diǎn)集序列或數(shù)組

slice

曲線的起始點(diǎn)，缺省是計(jì)算整個(gè)曲線的長(zhǎng)度

is_closed

表示曲線是否閉合，有三種情況：

• is_closed=0 - 假設(shè)曲線不閉合
• is_closed>0 - 假設(shè)曲線閉合
• is_closed<0 - 若曲線是序列，檢查 ((CvSeq*)curve)->flags 中的標(biāo)識(shí) CV_SEQ_FLAG_CLOSED 來確定曲線是否閉合。否則 (曲線由點(diǎn)集的數(shù)組 (CvMat*) 表示) 假設(shè)曲線不閉合。

函數(shù)?cvArcLength?通過依次計(jì)算序列點(diǎn)之間的線段長(zhǎng)度，并求和來得到曲線的長(zhǎng)度。

---

CreateContourTree

創(chuàng)建輪廓的繼承表示形式

CvContourTree* cvCreateContourTree( const CvSeq* contour, CvMemStorage* storage, double threshold );

?

contour

輸入的輪廓

storage

輸出樹的容器

threshold

逼近精度

函數(shù)?cvCreateContourTree?為輸入輪廓?contour?? 創(chuàng)建一個(gè)二叉樹，并返回樹根的指針。如果參數(shù)?threshold?小于或等于 0 ,則函數(shù)創(chuàng)建一個(gè)完整的二叉樹。如果?threshold?? 大于 0 ， 函數(shù)用?threshold?指定的精度創(chuàng)建二叉樹：如果基線的截?cái)鄥^(qū)域頂點(diǎn)小于threshold，該數(shù)就停止生長(zhǎng)并作為函數(shù)的最終結(jié)果返回。

---

ContourFromContourTree

由樹恢復(fù)輪廓

CvSeq* cvContourFromContourTree( const CvContourTree* tree, CvMemStorage* storage, CvTermCriteria criteria );

?

tree

輪廓樹

storage

重構(gòu)的輪廓容器

criteria

停止重構(gòu)的準(zhǔn)則

函數(shù)?cvContourFromContourTree?從二叉樹恢復(fù)輪廓。參數(shù)?criteria?決定了重構(gòu)的精度和使用樹的數(shù)目及層次。所以它可建立逼近的輪廓。 函數(shù)返回重構(gòu)的輪廓。

---

MatchContourTrees

用樹的形式比較兩個(gè)輪廓

double cvMatchContourTrees( const CvContourTree* tree1, const CvContourTree* tree2, int method, double threshold );

?

tree1

第一個(gè)輪廓樹

tree2

第二個(gè)輪廓樹

method

相似度。僅支持?CV_CONTOUR_TREES_MATCH_I1?。

threshold

相似度閾值

函數(shù)?cvMatchContourTrees?計(jì)算兩個(gè)輪廓樹的匹配值。從樹根開始通過逐層比較來計(jì)算相似度。如果某層的相似度小于??threshold, 則中斷比較過程，且返回當(dāng)前的差值。

---

計(jì)算幾何

---

MaxRect

對(duì)兩個(gè)給定矩形，尋找矩形邊界

CvRect cvMaxRect( const CvRect* rect1, const CvRect* rect2 );

?

rect1

第一個(gè)矩形

rect2

第二個(gè)矩形

函數(shù)?cvMaxRect?尋找包含兩個(gè)輸入矩形的具有最小面積的矩形邊界。

---

CvBox2D

旋轉(zhuǎn)的二維盒子

typedef struct CvBox2D
{
???? CvPoint2D32f center;
?? ??CvSize2D32f?? size;
???? float angle;
} CvBox2D;

---

BoxPoints

尋找盒子的頂點(diǎn)

void cvBoxPoints( CvBox2D box, CvPoint2D32f pt[4] );

?

box

盒子

pt

頂點(diǎn)數(shù)組

函數(shù)?cvBoxPoints?計(jì)算輸入的二維盒子的定點(diǎn)。下面是函數(shù)代碼：

void cvBoxPoints( CvBox2D box, CvPoint2D32f pt[4] )
{
???? float a = (float)cos(box.angle)*0.5f;
???? float b = (float)sin(box.angle)*0.5f;
???? pt[0].x = box.center.x - a*box.size.height - b*box.size.width;
???? pt[0].y = box.center.y + b*box.size.height - a*box.size.width;
???? pt[1].x = box.center.x + a*box.size.height - b*box.size.width;
???? pt[1].y = box.center.y - b*box.size.height - a*box.size.width;
???? pt[2].x = 2*box.center.x - pt[0].x;
???? pt[2].y = 2*box.center.y - pt[0].y;
???? pt[3].x = 2*box.center.x - pt[1].x;
???? pt[3].y = 2*box.center.y - pt[1].y;
}

---

FitEllipse

二維點(diǎn)集的橢圓擬合

CvBox2D cvFitEllipse2( const CvArr* points );

?

points

點(diǎn)集的序列或數(shù)組

函數(shù)?cvFitEllipse?對(duì)給定的一組二維點(diǎn)集作橢圓的最佳擬合(最小二乘意義上的)。返回的結(jié)構(gòu)與?cvEllipse?中的意義類似，除了?size?表示橢圓軸的整個(gè)長(zhǎng)度，而不是一半長(zhǎng)度。

---

FitLine

2D 或 3D 點(diǎn)集的直線擬合

void?? cvFitLine( const CvArr* points, int dist_type, double param, double reps, double aeps, float* line );

?

points

2D 或 3D 點(diǎn)集，32-比特整數(shù)或浮點(diǎn)數(shù)坐標(biāo)

dist_type

擬合的距離類型 （見討論）.

param

對(duì)某些距離的數(shù)字參數(shù)，如果是 0， 則選擇某些最優(yōu)值

reps, aeps

半徑 (坐標(biāo)原點(diǎn)到直線的距離) 和角度的精度，一般設(shè)為0.01。

line

輸出的直線參數(shù)。2D 擬合情況下，它是包含 4 個(gè)浮點(diǎn)數(shù)的數(shù)組?(vx, vy, x0, y0)，其中?(vx, vy)?是線的單位向量而?(x0, y0)?是線上的某個(gè)點(diǎn). 對(duì) 3D 擬合，它是包含 6 個(gè)浮點(diǎn)數(shù)的數(shù)組?(vx, vy, vz, x0, y0, z0)，?其中?(vx, vy, vz)?是線的單位向量，而?(x0, y0, z0)?是線上某點(diǎn)。

函數(shù)?cvFitLine?通過求 sum_iρ(r_i) 的最小值方法，用 2D 或 3D 點(diǎn)集擬合直線，其中 r_i?是第 i 個(gè)點(diǎn)到直線的距離， ρ(r) 是下面的距離函數(shù)之一：

dist_type=CV_DIST_L2 (L ₂): ρ(r)=r ²/2 (最簡(jiǎn)單和最快的最小二乘法)
dist_type=CV_DIST_L1 (L ₁): ρ(r)=r
dist_type=CV_DIST_L12 (L ₁-L ₂): ρ(r)=2?[sqrt(1+r ²/2) - 1]
dist_type=CV_DIST_FAIR (Fair): ρ(r)=C ²?[r/C - log(1 + r/C)],??
C=1.3998
dist_type=CV_DIST_WELSCH (Welsch): ρ(r)=C ²/2?[1 - exp(-(r/C) ²)],?? C=2.9846
dist_type=CV_DIST_HUBER (Huber): ρ(r)= r ²/2,???
if r < C ?????? C?(r-C/2),???
otherwise;??? C=1.345

---

ConvexHull2

發(fā)現(xiàn)點(diǎn)集的凸外形

CvSeq* cvConvexHull2( const CvArr* input, void* hull_storage=NULL, int orientation=CV_CLOCKWISE, int return_points=0 );

?

points

2D 點(diǎn)集的序列或數(shù)組，32-比特整數(shù)或浮點(diǎn)數(shù)坐標(biāo)

hull_storage

輸出的數(shù)組(CvMat*) 或內(nèi)存緩存 (CvMemStorage*)，用以存儲(chǔ)凸外形。 如果是數(shù)組，則它應(yīng)該是一維的，而且與輸入的數(shù)組/序列具有同樣數(shù)目的元素。輸出時(shí)修改頭使得數(shù)組裁減到外形的尺寸。輸出時(shí)，通過修改頭結(jié)構(gòu)將數(shù)組裁減到凸外形的尺寸。

orientation

凸外形的旋轉(zhuǎn)方向: 逆時(shí)針或順時(shí)針 （CV_CLOCKWISE?or?CV_COUNTER_CLOCKWISE）

return_points

如果非零，點(diǎn)集將以外形 (hull) 存儲(chǔ)，而不是?hull_storage?為數(shù)組情況下的頂點(diǎn)形式 (indices) 以及?hull_storag?為內(nèi)存存儲(chǔ)模式下的點(diǎn)集形式(points)。

函數(shù)?cvConvexHull2?使用 Sklansky 算法計(jì)算 2D 點(diǎn)集的凸外形。如果?hull_storage?是內(nèi)存存儲(chǔ)倉(cāng)， 函數(shù)根據(jù)?return_points??的值，創(chuàng)建一個(gè)包含外形的點(diǎn)集或指向這些點(diǎn)的指針的序列。

例子. 由點(diǎn)集序列或數(shù)組創(chuàng)建凸外形????

(見上一篇文章：凸包的繪制)????????????

---

CheckContourConvexity

測(cè)試輪廓的凸性

int cvCheckContourConvexity( const CvArr* contour );

?

contour

被測(cè)試輪廓 (點(diǎn)序列或數(shù)組).

函數(shù)?cvCheckContourConvexity?輸入的輪廓是否為凸的。必須是簡(jiǎn)單輪廓，比如沒有自交叉。

---

CvConvexityDefect

用來描述一個(gè)簡(jiǎn)單輪廓凸性缺陷的結(jié)構(gòu)體

typedef struct CvConvexityDefect
{
???? CvPoint* start;
???? CvPoint* end;
???? CvPoint* depth_point;
???? float depth;
} CvConvexityDefect;

Picture. Convexity defects of hand contour.

---

ConvexityDefects

發(fā)現(xiàn)輪廓凸形缺陷

CvSeq* cvConvexityDefects( const CvArr* contour, const CvArr* convexhull, CvMemStorage* storage=NULL );

?

contour

輸入輪廓

convexhull

用?cvConvexHull2?得到的凸外形，它應(yīng)該包含輪廓的定點(diǎn)或下標(biāo)，而不是外形點(diǎn)的本身，即cvConvexHull2?中的參數(shù)?return_points?應(yīng)該設(shè)置為 0.

storage

凸性缺陷的輸出序列容器。如果為 NULL, 使用輪廓或外形的存儲(chǔ)倉(cāng)。

函數(shù)?cvConvexityDefects?發(fā)現(xiàn)輸入輪廓的所有凸性缺陷，并且返回?CvConvexityDefect?結(jié)構(gòu)序列。

---

MinAreaRect2

對(duì)給定的 2D 點(diǎn)集，尋找最小面積的包圍矩形

CvBox2D?? cvMinAreaRect2( const CvArr* points, CvMemStorage* storage=NULL );

?

points

點(diǎn)序列或點(diǎn)集數(shù)組

storage

可選的臨時(shí)存儲(chǔ)倉(cāng)

函數(shù)?cvMinAreaRect2?通過建立凸外形并且旋轉(zhuǎn)外形以尋找給定 2D 點(diǎn)集的最小面積的包圍矩形.

Picture. Minimal-area bounding rectangle for contour

---

MinEnclosingCircle

對(duì)給定的 2D 點(diǎn)集，尋找最小面積的包圍圓形

int cvMinEnclosingCircle( const CvArr* points, CvPoint2D32f* center, float* radius );

?

points

點(diǎn)序列或點(diǎn)集數(shù)組

center

輸出參數(shù)：圓心

radius

輸出參數(shù)：半徑

函數(shù)?cvMinEnclosingCircle?對(duì)給定的 2D 點(diǎn)集迭代尋找最小面積的包圍圓形。如果產(chǎn)生的圓包含所有點(diǎn)，返回非零。否則返回零（算法失敗）。

---

CalcPGH

計(jì)算輪廓的 pair-wise 幾何直方圖

void cvCalcPGH( const CvSeq* contour, CvHistogram* hist );

?

contour

輸入輪廓，當(dāng)前僅僅支持具有整數(shù)坐標(biāo)的點(diǎn)集

hist

計(jì)算出的直方圖，必須是兩維的。

函數(shù)?cvCalcPGH?計(jì)算輪廓的 2D pair-wise（Hunnish: 不知如何翻譯，只好保留） 幾何直方圖 （pair-wise geometrical histogram ：PGH), 算法描述見?[Iivarinen97]. 算法考慮的每一對(duì)輪廓邊緣。計(jì)算每一對(duì)邊緣之間的夾角以及最大最小距離。具體做法是，輪流考慮每一個(gè)邊緣做為基準(zhǔn)，函數(shù)循環(huán)遍歷所有邊緣。在考慮基準(zhǔn)邊緣和其它邊緣的時(shí)候， 選擇非基準(zhǔn)線上的點(diǎn)到基準(zhǔn)線上的最大和最小距離。邊緣之間的角度定義了直方圖的行，而在其中增加對(duì)應(yīng)計(jì)算出來的最大和最小距離的所有直方塊， (即直方圖是 [Iivarninen97] 定義中的轉(zhuǎn)置). 該直方圖用來做輪廓匹配。

轉(zhuǎn)載于:https://www.cnblogs.com/retrieval/archive/2013/04/26/3044309.html

總結(jié)

以上是生活随笔為你收集整理的轮廓处理函数详细的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。