OpenCV Python ōćō如何找到图像中点与轮廓之间的最短距离？

介绍

OpenCV是一个免费开源的计算机视觉库，支持各种编程语言，包括C++、Python等常见语言。OpenCV库中提供了一些常用的功能函数，如图像读取、图像处理、特征提取等，方便我们快速开发各种计算机视觉应用，比如人脸检测、物体识别等。

在本篇文章中，我们将介绍如何使用Python语言的OpenCV库来找到图像中点与轮廓之间的最短距离。

准备工作

为了完成这个任务，我们需要安装好Python和OpenCV库。安装过程在这里不再赘述，可以去官网下载安装包并按照官方文档进行安装。

示例代码

接下来，我们将给出一个完整的Python示例代码来实现找到图像中点与轮廓之间的最短距离的功能。

import cv2
import numpy as np

# 读取图像
img = cv2.imread('img.png')

# 将图像转换为灰度图
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 二值化处理
ret, threshold = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)

# 查找轮廓
contours, hierarchy = cv2.findContours(threshold, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

# 画出最大轮廓
cnt = max(contours, key=cv2.contourArea)
cv2.drawContours(img, [cnt], 0, (0, 255, 0), 3)

# 计算轮廓中心
M = cv2.moments(cnt)
cx = int(M['m10'] / M['m00'])
cy = int(M['m01'] / M['m00'])

# 创建掩膜
mask = np.zeros(threshold.shape, np.uint8)
cv2.drawContours(mask, [cnt], 0, 255, -1)

# 计算距离变换
dist_transform = cv2.distanceTransform(mask, cv2.DIST_L2, 5)

# 获取最短距离
distance = dist_transform[cy][cx]

# 输出结果
print("最短距离为:", distance)
cv2.imshow('img', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

上述代码中，我们首先读取了一张图片，并将其转换为灰度图。然后对灰度图进行二值化处理，并查找其轮廓。我们在这里使用了OpenCV提供的cv2.findContours()函数，该函数可以返回图像中所有轮廓的坐标列表。接着，我们对通过上一步得到的所有轮廓进行排序，并找到最大轮廓。然后计算最大轮廓的中心坐标，并创建一个掩膜，将最大轮廓填充为白色，背景部分为黑色。接下来，我们通过cv2.distanceTransform()函数可以计算出掩膜中每个像素点离最近的白色像素点的距离，从而得到最短距离。