opencv找到轮廓后得到的若干结果，两两比较之间的中心点距离，用C++实现

可以按照以下步骤实现：

1. 使用OpenCV的findContours函数找到轮廓，并将结果存储在一个vector<vector<Point>>类型的变量中。

2. 定义一个函数来计算两个轮廓之间的中心点距离。可以使用OpenCV的moments函数找到轮廓的重心，然后计算两个重心之间的距离。具体实现如下：

   double getDistance(vector<Point> contour1, vector<Point> contour2)
   {
       Moments m1 = moments(contour1);
       Moments m2 = moments(contour2);
       Point2f c1 = Point2f(m1.m10 / m1.m00, m1.m01 / m1.m00);
       Point2f c2 = Point2f(m2.m10 / m2.m00, m2.m01 / m2.m00);
       return norm(c1 - c2);
   }

3. 对于每两个轮廓之间，调用上述函数计算它们的中心点距离，并将结果存储在一个二维数组中。

   vector<vector<double>> distances;
   for (int i = 0; i < contours.size(); i++)
   {
       vector<double> row;
       for (int j = i + 1; j < contours.size(); j++)
       {
           double distance = getDistance(contours[i], contours[j]);
           row.push_back(distance);
       }
       distances.push_back(row);
   }

4. 可以使用distances数组中的数据进行进一步分析，例如找到距离最近的两个轮廓等。

完整代码如下：

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

using namespace std;
using namespace cv;

double getDistance(vector<Point> contour1, vector<Point> contour2)
{
    Moments m1 = moments(contour1);
    Moments m2 = moments(contour2);
    Point2f c1 = Point2f(m1.m10 / m1.m00, m1.m01 / m1.m00);
    Point2f c2 = Point2f(m2.m10 / m2.m00, m2.m01 / m2.m00);
    return norm(c1 - c2);
}

int main()
{
    Mat image = imread("image.jpg", IMREAD_GRAYSCALE);
    threshold(image, image, 128, 255, THRESH_BINARY);

    vector<vector<Point>> contours;
    findContours(image, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);

    vector<vector<double>> distances;
    for (int i = 0; i < contours.size(); i++)
    {
        vector<double> row;
        for (int j = i + 1; j < contours.size(); j++)
        {
            double distance = getDistance(contours[i], contours[j]);
            row.push_back(distance);
        }
        distances.push_back(row);
    }

    // do something with distances

    return 0;
}