‍个人简介： 深度学习图像领域工作者 总结链接：              链接中主要是个人工作的总结，每个链接都是一些常用demo，代码直接复制运行即可。包括：                     1.工作中常用深度学习脚本                     2.torch、numpy等常用函数详解                     3.opencv 图片、视频等操作                     4.个人工作中的项目总结（纯干活）               链接： https://blog.csdn.net/qq_28949847/article/details/128552785 视频讲解： 以上记录，通过B站等平台进行了视频讲解使用，可搜索 ‘Python图像识别’ 进行观看               B站：Python图像识别               抖音：Python图像识别               西瓜视频：Python图像识别

超链接：B站对此代码进行了讲解

1、cv2.pointPolygonTest() 函数

函数定义： cv2.pointPolygonTest(contour, pt, measureDist)

函数功能： 找到图像里的点和轮廓之间的最短距离. 它返回的距离当点在轮廓外的时候是负值，当点在轮廓内是正值，如果在轮廓上是0。

参数： contour ：轮廓多边形 pt ：坐标点 measureDist：若为True，返回带符号的距离；若为False，会找点是否在内，外，或轮廓上(相应返回+1, -1, 0)。

注意： contour 传入的是np格式的数据

示例代码：

import cv2

import numpy as np

def onmouse_pick_points(event, x, y, flags, param):

if event == cv2.EVENT_LBUTTONDOWN:

print('x = %d, y = %d' % (x, y))

# 判断点是否在区域内

flag = cv2.pointPolygonTest(pts, (x, y), False)

if flag >= 0:

color = (0, 255, 0)

else:

color = (0, 0, 255)

cv2.drawMarker(param, (x, y), color)

if __name__ == '__main__':

WIN_NAME = 'pick_points'

# 凸形状区域

# pts = np.array([[25, 70], [25, 160],

# [110, 200], [200, 160],

# [200, 70], [110, 20]],

# np.int32)

# 凹形状

pts = np.array([[100, 100], [400, 100],

[400, 200], [150, 200],

[150, 450], [400, 450],

[400, 550], [100, 550]],

np.int32)

pts = pts.reshape((-1, 1, 2))

image = np.zeros((800, 800, 3), np.uint8)

cv2.namedWindow(WIN_NAME, 0)

cv2.setMouseCallback(WIN_NAME, onmouse_pick_points, image)

cv2.polylines(image, [pts], True, (255, 255, 255), 3)

while True:

cv2.imshow(WIN_NAME, image)

key = cv2.waitKey(1)

if key == 27:

break

cv2.destroyAllWindows()

效果展示： 凹形状区域，红色十字架代表在区域外，绿色代表在区域内 凸形状区域：

文章来源

评论可见，请评论后查看内容，谢谢！！！
 您阅读本篇文章共花了：