c# - 轮廓的arcLength结果是什么？

Question

我在Google中搜索了arcLength，好吧，也许我能理解它，但是它对EmguCV或OpenCV中图像的轮廓如何起作用？我试图使用MATLAB制作一些图像。该图像为9 x 9，我在图像中画了一条线，该线为1像素。我在EmguCV中使用此代码来检测轮廓:

VectorOfVectorOfPoint cons = new VectorOfVectorOfPoint();

        CvInvoke.FindContours(img_gray, cons, null, RetrType.List, ChainApproxMethod.ChainApproxNone);
        for(int i=0; i<cons.Size;i++)
        {
            VectorOfPoint points = cons[i];
            for(int x =0; x<points.Size;x++)
            {
               temp[points[x]] = new Gray(255);
            }
           double c= CvInvoke.ArcLength(cons[i], true);
            textBox1.Text = c.ToString();             
        }

        imageBox2.Image = temp;

arcLength是:

当行为1像素时-> arcLength为0。

当行为2像素时-> arcLength为2。

当行为3像素时-> arcLength为4。

这是我的图像，当线是3像素时。



有人可以向我解释结果吗？

Answer 1

arcLength 完全按照其要求进行:

Calculates a contour perimeter or a curve length.

在您的示例中，您被 findContours (!)的特定问题所迷惑，即应用于1像素宽的行! (实现问题，算法问题，带有“边界跟随”的一般问题，...!？)

让我们看一下以下示例(很抱歉在这里使用Python API，但是概念应该清楚了)。

示例1: 3 x 1黑色图像上的白线

import cv2
import numpy as np

# Generate 5 x 5 black image
img = np.zeros((5, 5), np.uint8)

# Draw 3 x 1 white line
img = cv2.rectangle(img, (1, 1), (3, 1), 255, cv2.FILLED)

# Find contours
cnts = cv2.findContours(img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)[0]

# Outputs
print(img, '\n')                                    # Image
print(np.squeeze(cnts[0]), '\n')                    # Contour
print('Contour points:', cnts[0].shape[0], '\n')    
print('arcLength:', cv2.arcLength(cnts[0], True))

输出:

[[  0   0   0   0   0]
 [  0 255 255 255   0]
 [  0   0   0   0   0]
 [  0   0   0   0   0]
 [  0   0   0   0   0]] 

[[1 1]
 [2 1]
 [3 1]
 [2 1]] 

Contour points: 4 

arcLength: 4.0

请注意， [2 1]在轮廓中出现两次，所以我们总共有四个轮廓点，两个相邻轮廓点之间的每个“距离”为1，因此轮廓周长(=弧长)也为4。

示例2: 3 x 2黑色图像上的白色矩形

import cv2
import numpy as np

# Generate 5 x 5 black image
img = np.zeros((5, 5), np.uint8)

# Draw 3 x 2 white rectangle
img = cv2.rectangle(img, (1, 1), (3, 2), 255, cv2.FILLED)

# Find contours
cnts = cv2.findContours(img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)[0]

# Outputs
print(img, '\n')                                    # Image
print(np.squeeze(cnts[0]), '\n')                    # Contour
print('Contour points:', cnts[0].shape[0], '\n')
print('arcLength:', cv2.arcLength(cnts[0], True))

输出:

[[  0   0   0   0   0]
 [  0 255 255 255   0]
 [  0 255 255 255   0]
 [  0   0   0   0   0]
 [  0   0   0   0   0]] 

[[1 1]
 [1 2]
 [2 2]
 [3 2]
 [3 1]
 [2 1]] 

Contour points: 6 

arcLength: 6.0

我们得到六个轮廓点，并且两个相邻轮廓点之间的每个“距离”均为1，因此轮廓周长(=弧长)也为6 –这似乎(更合理)。

示例3:在黑色图像上带有半径 2的白色圆圈

import cv2
import numpy as np

# Generate 5 x 5 black image
img = np.zeros((5, 5), np.uint8)

# Draw white circle with radius 2
img = cv2.circle(img, (2, 2), 2, 255, cv2.FILLED)

# Find contours
cnts = cv2.findContours(img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)[0]

# Outputs
print(img, '\n')                                    # Image
print(np.squeeze(cnts[0]), '\n')                    # Contour
print('Contour points:', cnts[0].shape[0], '\n')
print('arcLength:', cv2.arcLength(cnts[0], True))

输出:

[[  0   0 255   0   0]
 [  0 255 255 255   0]
 [255 255 255 255 255]
 [  0 255 255 255   0]
 [  0   0 255   0   0]] 

[[2 0]
 [1 1]
 [0 2]
 [1 3]
 [2 4]
 [3 3]
 [4 2]
 [3 1]] 

Contour points: 8 

arcLength: 11.313708305358887

从 [2 0]到 [1 1]的“距离”是1.414 ...(2的平方根)。每个相邻的两个轮廓点都具有该距离(请参见图片)，因此我们的轮廓周长(=弧长)为8 * 1.414 ... = 11.313 ...

希望能帮助理解!

----------------------------------------
System information
----------------------------------------
Platform:    Windows-10-10.0.16299-SP0
Python:      3.8.1
NumPy:       1.18.1
OpenCV:      4.2.0
----------------------------------------