轮廓面积
import cv2
import numpy as np
o=cv2.imread('C:/Users/xpp/Desktop/coins.png')#原始图像
gray=cv2.cvtColor(o,cv2.COLOR_BGR2GRAY)#将彩色图片转换为灰度图片
ret,binary=cv2.threshold(gray,127,255,cv2.THRESH_BINARY)##将灰度图片转换为二值图片
contours,hierarchy=cv2.findContours(binary,cv2.RETR_LIST,cv2.CHAIN_APPROX_SIMPLE)#计算图像轮廓
cv2.imshow("original",o)
n=len(contours)
contoursImg=[]
for i in range(n):
print("contours["+str(i)+"]面积=",cv2.contourArea(contours[i]))#计算轮廓面积
temp=np.zeros(o.shape,np.uint8)
contoursImg.append(temp)
contoursImg[i]=cv2.drawContours(contoursImg[i],contours,i,(255,255,255),3)#绘制图像轮廓
cv2.imshow("contours[" + str(i)+"]",contoursImg[i])
cv2.waitKey()
cv2.destroyAllWindows()contours[0]面积= 18.0 contours[1]面积= 9891.5 contours[2]面积= 6761.0 contours[3]面积= 4.0 contours[4]面积= 9571.0 contours[5]面积= 9281.5 contours[6]面积= 8.5 contours[7]面积= 14.0 contours[8]面积= 36.0 contours[9]面积= 5.5 contours[10]面积= 57.5 contours[11]面积= 4019.0 contours[12]面积= 6168.5 contours[13]面积= 3.5 contours[14]面积= 32.5 contours[15]面积= 4.0 contours[16]面积= 3263.0 contours[17]面积= 9103.5 contours[18]面积= 6578.5 contours[19]面积= 8974.5
算法：轮廓面积是估算图像轮廓部分和起始点连线构成的封闭部分的像素数量。
retval=cv2.contourArea(contour[, oriented]))
- contour表示图像轮廓
- oriented表示布尔型值，如果为True，则返回值包含正/负号，表示轮廓是顺时针还是逆时针，默认值是False，表示返回retval是绝对值
注意：轮廓面积的单位是像素。
本文参与 腾讯云自媒体同步曝光计划，分享自微信公众号。
原始发表：2021-01-20，如有侵权请联系 cloudcommunity@tencent.com 删除
本文分享自 图像处理与模式识别研究所 微信公众号，前往查看
如有侵权，请联系 cloudcommunity@tencent.com 删除。
本文参与 腾讯云自媒体同步曝光计划 ，欢迎热爱写作的你一起参与！
评论
登录后参与评论
推荐阅读