改进的最大内切圆算法求裂缝轮廓宽度

news2024/11/25 13:18:15

前段时间我将网上最大内切圆算法进行了代码的整理，原先博主上传的代码稍微有点乱，可能也是它自己使用，大家可以看这篇整理好的：最大内切圆算法计算裂缝宽度。

最大内切圆算法详解

一个圆与给定的多边形或曲线的每一条边或曲线都相切的圆。而我们就是需要计算的是给定图像的轮廓的最大内切圆，也就是与轮廓的每一条边都相切的圆中直径最大的圆。这样直径就是我们的轮廓的宽度了。

既然要求轮廓的内接圆，从圆的特点来说，想要唯一的确定一个圆，就是要知道它的圆心和半径。好的，那现在的问题就从求取轮廓的内接圆，巧妙地转变成求取某个点和一个多边形的距离和关系。

在opencv中有一个函数pointPolygonTest就是能够得到某个点和某个多边形之间的关系，例如这个点是在多边形内部、外部、或者是在多边形上，还能得到该点距离多边形的像素距离。那问题其实就很好解决了。我们再使用cv2.minMaxLoc(src)来获得给定的数组中寻找最小值和最大值的位置，它的语法如下

min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(src)

其中，src是输入的数组或图像。函数会返回最小值min_val和最大值max_val，以及它们在数组中的位置最小值的位置min_loc和最大值的位置max_loc。

讲到这里我想大家也知道怎么求轮廓的宽度了吧，即为：max_loc * 2。

详细代码

import cv2
import string
import numpy as np
import pyzjr as pz

def incircle(img, contours_arr, color=(0, 0, 255)):
    """
    轮廓最大内切圆算法,所有轮廓当中的内切圆
    """
    result = cv2.cvtColor(img, cv2.COLOR_GRAY2BGR)
    raw_dist = np.zeros(img.shape, dtype=np.float32)
    letters = list(string.ascii_uppercase)
    label = {}
    for k, contours in enumerate(contours_arr):
        for i in range(img.shape[0]):
            for j in range(img.shape[1]):
                raw_dist[i, j] = cv2.pointPolygonTest(contours, (j, i), True)
        min_val, max_val, _, max_dist_pt = cv2.minMaxLoc(raw_dist)
        label[letters[k]] = max_val * 2
        radius = int(max_val)
        cv2.circle(result, max_dist_pt, radius, color, 1, 1, 0)

    return result, label


if __name__=="__main__":
    path = r"D:\PythonProject\RoadCrack\dimension2_data\num/001.png"
    img = cv2.imread(path)
    gray_img = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
    thresh = pz.BinaryImg(img)
    contours_arr, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)

    result, label = incircle(gray_img, contours_arr)
    print("裂缝宽度:",label)
    cv2.imwrite("result.png",result)

先检测轮廓，你可以使用opencv的findContours。需要确保是ndarray数组的形式。