opencv(4.5.3)-python(二十)--轮廓属性

用户9875047

发布于 2022-12-07 10:19:00

3050

发布于 2022-12-07 10:19:00

文章被收录于专栏：机器视觉全栈er

翻译及二次校对：cvtutorials.com

我们将学习如何提取一些常用的物体属性，如实体性、等效直径、掩膜图像、平均灰度等。（注意：中心点、面积、周长等也属于这一类，但我们在上一章已经看到了）

1. 纵横比

它是物体的边界矩形的宽度和高度的比率。

x,y,w,h = cv.boundingRect(cnt)
aspect_ratio = float(w)/h

2. 外延

外延是指轮廓线面积与边界矩形面积的比率。

area = cv.contourArea(cnt)
x,y,w,h = cv.boundingRect(cnt)
rect_area = w*h
extent = float(area)/rect_area

3. 实体性

实体性是指轮廓面积与凸包面积的比率。

area = cv.contourArea(cnt)
hull = cv.convexHull(cnt)
hull_area = cv.contourArea(hull)
solidity = float(area)/hull_area

4. 等效直径

等效直径是指其面积与轮廓面积相同的圆的直径。

area = cv.contourArea(cnt)
equi_diameter = np.sqrt(4*area/np.pi)

5. 方向

方向是指物体指向的角度。以下方法也给出了主轴和次轴的长度。

(x,y),(MA,ma),angle = cv.fitEllipse(cnt)

6. 掩膜和像素点

在某些情况下，我们可能需要包括该对象的所有点。可以按以下方式进行:

mask = np.zeros(imgray.shape,np.uint8)
cv.drawContours(mask,[cnt],0,255,-1)
pixelpoints = np.transpose(np.nonzero(mask))
#pixelpoints = cv.findNonZero(mask)

这里给出了两种方法，一种是使用Numpy函数，另一种是使用OpenCV函数（最后一行注释）来做同样的事情。结果也是一样的，但有一点不同。Numpy给出的坐标是（行，列）格式，而OpenCV给出的坐标是（x，y）格式。所以基本上答案会互换。注意，row=y，column=x。

7. 最大值、最小值和它们的位置

我们可以用掩膜图像找到这些参数。

min_val, max_val, min_loc, max_loc = cv.minMaxLoc(imgray,mask = mask)

8. 平均颜色或平均灰度

在这里，我们可以找到一个物体的平均颜色。也可以是灰度模式下物体的平均灰度。我们再次使用相同的掩膜来做这件事。

mean_val = cv.mean(im,mask = mask)

9. 极点

极点指的是物体的最上面、最下面、最右边和最左边的点。

leftmost = tuple(cnt[cnt[:,:,0].argmin()][0])
rightmost = tuple(cnt[cnt[:,:,0].argmax()][0])
topmost = tuple(cnt[cnt[:,:,1].argmin()][0])
bottommost = tuple(cnt[cnt[:,:,1].argmax()][0])

例如，如果我把它应用于印度地图，我得到以下结果。