1.凸缺陷
找到凸缺陷
~~~
hull=cv2.convexHull(cnt,returnPoints=False)
defects=cv2.convexityDefects(cnt,hull)
~~~
它会返回一个数组，其中每一行包含的值是【起点，终点，最远的点，到最远点的近似距离】
~~~
import cv2
import numpy as np
img=cv2.imread('0023.jpg')
img_gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
ret,thresh=cv2.threshold(img_gray,127,255,0)
contours=cv2.findContours(thresh,2,1)
hierarchy = cv2.findContours(thresh,2,1)
cnt=contours[0]
hull=cv2.convexHull(cnt,returnPoints=False)
defects=cv2.convexityDefects(cnt,hull)
for i in range(defects.shape[0]):
s,e,f,d=defects[i,0]
start=tuple(cnt[s][0])
end=tuple(cnt[e][0])
far=tuple(cnt[f][0])
cv2.line(img,start,end,[0,255,0],2)
cv2.circle(img,far,5,[0,0,255],-1)
while(1):
cv2.imshow('img',img)
if cv2.waitKey(1)==ord('q'):
break
cv2.destroyAllWindows()
~~~
2.Point Polygon Test
求解图像中的一个点到一个对象轮廓的最短距离。如果点再轮廓的外部，返回值为负，如果在轮廓上，返回值为0，如果在轮廓内部，返回值为正。
下面我们以点（50,50）为例：
~~~
dist = cv2.pointPolygonTest(cnt,(50,50),True)
~~~
此函数的第三个参数是measureDist。如果设置为True，就会计算最短距离。如果是False，只会判断这个点与轮廓之间的位置关系（返回值为+1,-1,0）
3.形状匹配
函数cv2.matchShape()可以帮我们比较两个形状或者轮廓的相似度，如果返回值越小，匹配越好，它是根据Hu矩来计算的。
~~~
import cv2
import numpy as np
img1 = cv2.imread('roi.jpg')
img2 = cv2.imread('0022.jpg')
ret,thresh=cv2.threshold(img1,127,255,0)
ret,thresh2=cv2.threshold(img2,127,255,0)
contours,hierarchy =cv2.findContours(thresh,2,1)
cnt1=contours[0]
contours,hierarchy =cv2.findContours(thresh2,2,1)
cnt2=contours[0]
ret=cv2.matchShapes(cnt1,cnt2,1,0,0)
print(ret)
~~~
在python3.5和cv2中contours,hierarch会报错。
