站内营销推广方式超级搜索引擎

今天发现了opencv一个好用的函数 cv2.pointPolygonTest() ，它可以判断一个点是否在指定区域内。

1. cv2.pointPolygonTest() 函数解析

dist = cv2.pointPolygonTest(contour,point,Boolean)contour: 多边形轮廓
point: 坐标点
Boolean:True或False ，True，返回距离值，内部为正，外部为负
dist： 图像里的点和轮廓之间的最短距离，轮廓外为负，轮廓内为正，轮廓上为0

2 . 代码示例

#设置多边形形状
pts = np.array([[759,281],[894,300],[854,395],[692,350]],np.int32)
# print(pts)
#坐标点
point =(814,339)
flag = cv2.pointPolygonTest(pts, point, True) ##判断一个点是否在多边形内部，pts:多边形的轮廓，（x,y）坐标点，True：表示返回点到多边形边界的距离
if flag >= 0:cv2.putText(image,"Within the boundary", (x,y),cv2.FONT_HERSHEY_COMPLEX,1,(255,0,255),3)  #在多边形内
else:cv2.putText(image,"Out of bounds", (x,y),cv2.FONT_HERSHEY_COMPLEX,1,(255,0,255),3) #不在多边形内print(flag) # 输出距离值

3.reshape()

reshape() 是一个在 numpy 库中常用的函数，用于改变数组的形状.

numpy.reshape(array, newshape, order='C')array：需要被改变形状的数组。
newshape：新的形状，可以是整数元组或整数列表。
order：可选参数，默认为 'C'，表示按行的 C 风格顺序对数组进行重塑。

二维矩阵转换：

import numpy as nparr = np.array([[1, 2, 3], [4, 5, 6]])  #2行3列
new_arr = np.reshape(arr, (3, 2))   #转换为3行2列
print(new_arr)  --->array([[1, 2],[3, 4],[5, 6]])reshape(m,-1) #改成m行，列数需要计算
reshape(-1,m) #改成m列，行数需要计算

三维矩阵转换：

#3行4列的矩阵
z = np.array([[1, 2, 3, 4],[5, 6, 7, 8],[9, 10, 11, 12]])转换为3维矩阵：
z.reshape(-1,2,3)的结果：
[[[ 1  2  3][ 4  5  6]][[ 7  8  9][10 11 12]]]
结果大小： (2, 2, 3)reshape(-1,m,n)#改成三维矩阵，不知道几个小矩阵，改成m*n的小矩阵
reshape(-1,2,2,3)#改成四维矩阵，不知道几个小矩阵，改成2个，2*3的小矩阵