计算轮廓的特征参数（周长、面积、圆形度、周径比等）

使用C++、opencv计算轮廓的周长、面积、圆形度、周径比等特征参数

图像的特征参数用于图像的模式识别（图像识别），获取越多种类的特征参数，可从中选择合适的进行组合，进而更好地区分各个物体。

之前介绍过获取图像的灰度共生矩阵（https://blog.csdn.net/Lemon_jay/article/details/89455887）、不变矩（https://blog.csdn.net/Lemon_jay/article/details/89457633）、傅立叶描述子（https://blog.csdn.net/Lemon_jay/article/details/89349006）等，此次根据物体的轮廓进而计算出轮廓的周长、面积、圆形度、周径比等特征参数。还可自行拓展，如物体面积与最小外接矩形面积比、与最小外接圆的面积比、（最大）内切圆与物体面积比等。

---

opencv中相关API：

RotatedRect minAreaRect(InputArray points)

minAreaRect()函数的作用是找到轮廓的最小外接矩形

InputArray points：表示输入的点集（轮廓）

输出是矩形的四个点坐标

 void minEnclosingCircle(InputArray points, Point2f& center, float& radius)

points：输入的点集（轮廓），可以为包含点的容器(vector)或是Mat。

center：返回包覆圆形的圆心。

radius：返回包覆圆形的半径。

---

其他知识点：所谓周长、面积等肯定不是物体真实的周长面积，代码所求的周长面积都是以像素点为单位，周长就是轮廓点集合的个数（以1像素点为步长），面积就是轮廓所围的所有像素点个数，所以想知道物体的真实周长面积，可以在图像中加入一个标准物体（如一张A4纸），并在找到、计算物体的参数时同时要找到、计算标准物体的参数，再进行换算。

圆形度计算公式采用的是：e=（4π*面积）/（周长*周长）

周径比的周即周长，径是指上面找到的轮廓最小外接矩形的长的一条边

---

代码如下：

#include "stdafx.h"
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/core/core.hpp>
#include <iostream>  
#include <math.h>  

using namespace cv;
using namespace std;

int main()
{
	//改变控制台字体颜色
	system("color 02");
	
	//读取图像
	Mat src_image = imread("C:\\1.jpg");
	//出错判断
	if (!src_image.data)
	{
		cout << "src image load failed!" << endl;
		return -1;
	}
	//显示原图
	namedWindow("原图", WINDOW_NORMAL);
	imshow("原图", src_image);

	//高斯滤波去噪声
	Mat blur_image;
	GaussianBlur(src_image, blur_image, Size(3, 3), 0, 0);
	imshow("GaussianBlur", blur_image);

	//灰度变换与二值化
	Mat gray_image, binary_image;
	cvtColor(blur_image, gray_image, COLOR_BGR2GRAY);
	threshold(gray_image, binary_image, 50, 255, THRESH_BINARY);
	imshow("binary", binary_image);

	//形态学闭操作(粘合断开的区域)
	Mat morph_image;
	Mat kernel = getStructuringElement(MORPH_RECT, Size(3, 3), Point(-1, -1));
	morphologyEx(binary_image, morph_image, MORPH_CLOSE, kernel, Point(-1, -1), 1);
	imshow("morphology", morph_image);

	//查找所有外轮廓
	vector< vector<Point> > contours;
	vector<Vec4i> hireachy;
	findContours(binary_image, contours, hireachy, CV_RETR_EXTERNAL, CHAIN_APPROX_NONE, Point());

	//定义结果图
	Mat result_image = Mat::zeros(src_image.size(), CV_8UC3);

	//drawContours(result_image, contours, -1, Scalar(0, 0, 255), 1, 8, hireachy);//画出所有轮廓

	//颜色表，用不同颜色画出找到的不同轮廓
	Scalar color[] = { Scalar(0,0,255), Scalar(0,255,0), Scalar(255,0,0), Scalar(255,255,0) ,Scalar(255,0,255) };
	
	//初始化周长、面积、圆形度、周径比
	double len = 0, area = 0, roundness = 0, lenratio = 0;

	//循环找出所有符合条件的轮廓
	for (size_t t = 0; t < contours.size(); t++)
	{
		//条件：过滤掉小的干扰轮廓
		Rect rect = boundingRect(contours[t]);
		if (rect.width < 10)
			continue;
		//画出找到的轮廓
		drawContours(result_image, contours, static_cast<int>(t), Scalar(255, 255, 255), 1, 8, hireachy);

		//绘制轮廓的最小外结矩形
		RotatedRect minrect = minAreaRect(contours[t]);
		Point2f P[4];
		minrect.points(P);
		for (int j = 0; j <= 3; j++)
		{
			line(result_image, P[j], P[(j + 1) % 4], color[t], 1);
		}
		//cout << minrect.size << endl;//外接矩形尺寸

		//绘制轮廓的最小外结圆
		Point2f center; float radius;
		minEnclosingCircle(contours[t], center, radius);
		circle(result_image, center, radius, color[t], 1);

		//计算面积、周长、圆形度、周径比
		area = contourArea(contours[t]);//面积
		len = arcLength(contours[t], true);//周长
		roundness = (4 * CV_PI*area) / (len*len);//圆形度
		//周径比，这里的周即周长，径是指上面找到的轮廓最小外接矩形的长的一条边
		lenratio = len / (minrect.size.height > minrect.size.width ? minrect.size.height : minrect.size.width);

		//输出结果
		cout << "轮廓" << t <<"："<< endl;
		cout << "周长：" << len << endl;
		cout << "面积：" << area << endl;
		cout << "圆形度：" << roundness << endl;
		cout << "周径比：" << lenratio << endl;

	}
	//显示结果
	namedWindow("轮廓图", WINDOW_NORMAL);
	imshow("轮廓图", result_image);

	waitKey(0);
	return 0;
}

 源图像（为显示效果，一张图中有三个待计算的物体）：

结果图：

 

结果数据：

 

可根据轮廓为几，和颜色表，找到对应轮廓，查看该轮廓信息，也可添加文件写入操作保存轮廓的信息。

 另外还可计算最小外接矩形的面积、最小外接圆的面积、（最大）内切圆（https://blog.csdn.net/Lemon_jay/article/details/89467577）的面积进而计算更多的特征参数。