👨‍💻个人简介： 深度学习图像领域工作者
🎉总结链接：
             链接中主要是个人工作的总结，每个链接都是一些常用demo，代码直接复制运行即可。包括：
                    📌1.工作中常用深度学习脚本
                    📌2.torch、numpy等常用函数详解
                    📌3.opencv 图片、视频等操作
                    📌4.个人工作中的项目总结（纯干活）
              链接： https://blog.csdn.net/qq_28949847/article/details/128552785
🎉视频讲解： 以上记录，通过B站等平台进行了视频讲解使用，可搜索 ‘Python图像识别’ 进行观看
              B站：Python图像识别
              抖音：Python图像识别
              西瓜视频：Python图像识别

超链接：B站对此代码进行了讲解

1、cv2.pointPolygonTest() 函数

函数定义：
cv2.pointPolygonTest(contour, pt, measureDist)

函数功能：
找到图像里的点和轮廓之间的最短距离. 它返回的距离当点在轮廓外的时候是负值，当点在轮廓内是正值，如果在轮廓上是0。

参数：
contour ：轮廓多边形
pt ：坐标点
measureDist：若为True，返回带符号的距离；若为False，会找点是否在内，外，或轮廓上(相应返回+1, -1, 0)。

注意：
contour 传入的是np格式的数据

示例代码：

import cv2
import numpy as np


def onmouse_pick_points(event, x, y, flags, param):
    if event == cv2.EVENT_LBUTTONDOWN:
        print('x = %d, y = %d' % (x, y))
        # 判断点是否在区域内
        flag = cv2.pointPolygonTest(pts, (x, y), False)
        if flag >= 0:
            color = (0, 255, 0)
        else:
            color = (0, 0, 255)
        cv2.drawMarker(param, (x, y), color)


if __name__ == '__main__':
    WIN_NAME = 'pick_points'
    #  凸形状区域
    # pts = np.array([[25, 70], [25, 160],
    #                 [110, 200], [200, 160],
    #                 [200, 70], [110, 20]],
    #                np.int32)
    # 凹形状
    pts = np.array([[100, 100], [400, 100],
                    [400, 200], [150, 200],
                    [150, 450], [400, 450],
                    [400, 550], [100, 550]],
                   np.int32)

    pts = pts.reshape((-1, 1, 2))
    image = np.zeros((800, 800, 3), np.uint8)
    cv2.namedWindow(WIN_NAME, 0)
    cv2.setMouseCallback(WIN_NAME, onmouse_pick_points, image)
    cv2.polylines(image, [pts], True, (255, 255, 255), 3)

    while True:
        cv2.imshow(WIN_NAME, image)
        key = cv2.waitKey(1)
        if key == 27:
            break
    cv2.destroyAllWindows()

效果展示：
凹形状区域，红色十字架代表在区域外，绿色代表在区域内

凸形状区域：