Question

我的数据集为500 cv :: Point。

对于每个点，我需要确定此点是否包含在由凹多边形建模的ROI中。这个多边形可能非常大（大多数情况下，它可以包含在100x400的边界框中，但它可以更大）

对于那个点数和多边形的大小，确定一个点是否在多边形中的最有效方法是什么？

使用pointPolygonTest openCV函数？
使用drawContours构建遮罩并查找遮罩中的点是白色还是黑色？
其他解决方案？（我真的想要准确，所以不包括凸多边形和边界框。）

Answer 1

一般而言，为了准确有效，我将分两个步骤。

首先，多边形上的边界框。在框内看到哪些点不是一件快速而简单的事情。有了它，你可以立即丢弃几个点。
其次，pointPolygonTest。这是一个相对昂贵的操作，但第一步保证您只为那些需要更高精度的点执行它。

这样，您保持准确性，但加快了过程。唯一的例外是当大多数点落入边界框内时。在这种情况下，第一步几乎总是失败，因此不会优化算法，实际上会使它稍慢。

Answer 2

很久以前我遇到了完全相同的问题，并使用了掩蔽方法（声明的第二点）。我正在测试这种包含数百万个点的数据集，并发现这个解决方案非常有效。

Answer 3

这比带有和没有边界框的pointPolygonTest快！

Scalar color(0,255,0);
drawContours(image, contours, k, color, CV_FILLED, 1); //k is the index of the contour in the array of arrays 'contours'
for(int y = 0; y < image.rows, y++){
    const uchar *ptr = image.ptr(y);
    for(int x = 0; x < image.cols, x++){
        const uchar * pixel = ptr;
        if((int) pixel[1] = 255){
            //point is inside contour
        }
        ptr += 3;
    }
}

使用颜色检查点是否在轮廓内。为了比Mat :: at（）更快的矩阵访问，我们使用指针访问。在我的情况下，这比pointPolygonTest快20倍。

OpenCV最有效的方法是在多边形中找到一个点

3 个答案: