点多边形测试：

1、点多边形测试概念 ； Polygon ： 多边形
2、相关API；
3、Code;

点多边形测试

1、<stron> , 多边形外部，标记-1；多边形边缘标记0；多边形内部标记1；根据计算还可以得出各点与多边形中心的距离；


2、寻找图像最大最小值坐标API ： minMaxLoc() :
</stron>

点多边形测试API

1、API ： pointPolygonTest()；可以选择是否测出真实的距离值（返回真实距离double）；

使用步骤

1、发现轮廓；
2、对图像中所有像素点做点多边形测试，得到距离，归一化后显示；

Code

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace std;
using namespace cv;

int main(int argc, char** argv)
{
   
	const int r = 100;
	Mat src = Mat::zeros(r * 4, r * 4, CV_8UC1);
	//创建一个数组存储六边形的角点
	vector<Point2f> vert(6); 
	vert[0] = Point(3 * r / 2, static_cast<int>(1.34 * r));  //static_cast : 强制类型转换
	vert[1] = Point(1 * r, 2 * r);
	vert[2] = Point(3 * r / 2, static_cast<int>(2.866 * r));
	vert[3] = Point(5 * r / 2, static_cast<int>(2.866 * r));
	vert[4] = Point(3 * r , 2 * r);
	vert[5] = Point(5 * r / 2, static_cast<int>(1.34 * r));
	//绘制多边形 注意画闭合曲线的方法 ： 最后一个点与第一个点连接起来的方法
	//单通道图像 ： Scalar()函数只能传入一个参数
	for (size_t i = 0; i < 6; i++)
	{
   
		line(src, vert[i], vert[(i + 1) % 6], Scalar(255), 2, LINE_8);
	}
	const char* output_win = "point polygon test demo";
	const char* input_win = "input image";

	namedWindow(input_win, WINDOW_AUTOSIZE);
	namedWindow(output_win, WINDOW_AUTOSIZE);

	imshow(input_win, src);

	vector<vector<Point>> contours;
	vector<Vec4i> hierarchy;  // hierarchy : 层次
	Mat csrc;
	src.copyTo(csrc);
	//寻找轮廓
	findContours(csrc, contours, RETR_TREE, CV_CHAIN_APPROX_SIMPLE, Point(0, 0));  //返回树形结构，采用...方法

	Mat raw_dist = Mat::zeros(csrc.size(), CV_32FC1);

	for (int row = 0; row < csrc.rows; row++)
	{
   
		for (int col = 0; col < csrc.cols; col++)
		{
   
			//只有一个轮廓，无须重复计算 传入参数必须类型匹配
			double dist = pointPolygonTest(contours[0],Point2f(static_cast<float>(col), static_cast<float>(row)), true);//返回计算距离
			raw_dist.at<float>(row, col) = static_cast<float>(dist);              //距离值有正有负 值可能大于255（double类型）
		}
	}
	double minValue, maxValue;
	//寻找图像上最大最小值像素 注意 ： 最大值为正值（多边形内部），最小值为负值（多边形外部） 
	minMaxLoc(raw_dist, &minValue, &maxValue, 0, 0, Mat());
	Mat drawImg = Mat::zeros(src.size(),CV_8UC3);
	//根据计算距离 归一化处理数据再显示
	for (int row = 0; row < drawImg.rows; row++)
	{
   
		for (int col = 0; col < drawImg.cols; col++)
		{
   
			float dist = raw_dist.at<float>(row, col);
			if (dist > 0)   //多边形内部
			{
   
				//多边形内部显示 blue
				//drawImg.at<Vec3b>(row, col)[0] = (uchar)(abs(dist / maxValue) * 255); //这样越靠近多边形中心越蓝
				drawImg.at<Vec3b>(row, col)[0] = (uchar)(abs(1.0 - dist / maxValue) * 255);  //像素值转换到0-255之间；blue
			}
			else if(dist < 0)
			{
   
				//多边形外部显示 red minValue 为负值
				
				//drawImg.at<Vec3b>(row, col)[2] = (uchar)(abs(dist / minValue) * 255); //这样越远离边界越红
				drawImg.at<Vec3b>(row, col)[2] = (uchar)(abs(1.0 - dist / minValue) * 255);  //像素值转换到0-255之间；red
			}
			else
			{
   
				drawImg.at<Vec3b>(row, col)[0] = (uchar)(abs(255 - dist));  //白色
				drawImg.at<Vec3b>(row, col)[1] = (uchar)(abs(255 - dist));  //白色
				drawImg.at<Vec3b>(row, col)[2] = (uchar)(abs(255-dist));  //白色
			}
		}
	}

	//显示结果
	imshow(output_win, drawImg);

	waitKey(0);
	return 0;
}

效果

距离变换的效果：