CV | 矩形度的计算（python）

简介

在做跟踪匹配的时候，由于目标的形状不能保持，有可能会存在上下两帧目标图像形状不能一直保持矩形的情况，因此没有利用形状信息进行目标跟踪。但是又不想浪费形状信息，因此利用矩形度特征进行加权。

从网上查找没有找到类似的程序，只看到了矩形度的概念。在此补充程序（python版）。

1.矩形度概念

矩形度体现物体对其外接矩形的充满程度，反映一个物体与矩形相似程度的一个参数，是矩形拟合因子。其计算公式为：
$$R=S_0/S_{MER}$$

其中，$S_0$ 是该物体的面积，而 $S_{MER}$ 是其最小外接矩形的面积。$R$ 反映了一个物体对其的充满程度。对于矩形物体$R$取得最大值1，对于圆形物体 $R$ 取值为 ，对于纤细、弯曲的物体$R$取值变小。矩形拟合因子的值为$0-1$.

源自：
https://blog.csdn.net/mao_hui_fei/article/details/80395294

2. 程序

计算矩形度程序如下：

import cv2
import numpy as np

def Cal_Rectangle_degree(img_ori, hull):

    # 计算该坐标点组成的四边形的面积
    im = np.zeros(img_ori.shape[:2], dtype="uint8")  
    filling_image = np.array([hull[0][0],hull[1][0],hull[2][0],hull[3][0]], np.int32)
    polygon_mask = cv2.fillPoly(im, [filling_image], 255)
    measure_polygon = np.sum(np.greater(polygon_mask, 0))

    # 计算该坐标点组成的四边形的外接矩形面积
    rect = cv2.minAreaRect(hull)  # 得到最小外接矩形的（中心(x,y), (宽,高), 旋转角度）
    box = cv2.boxPoints(rect)  # 获取最小外接矩形的4个顶点坐标(ps: cv2.boxPoints(rect) for OpenCV 3.x)
    box = np.int0(box)
    box = cv2.convexHull(box,clockwise=True)
    filling_image = np.array([box[0][0],box[1][0],box[2][0],box[3][0]], np.int32)
    rectangle_mask = cv2.fillPoly(im, [filling_image], 255)
    measure_rectangle = np.sum(np.greater(rectangle_mask, 0))

    # 计算矩形度
    Rectangle_degree = measure_polygon/measure_rectangle

    return Rectangle_degree
    
img_ori = *** # 源图像
hull = *** # hull为凸包顶点坐标：n*1*2(n为坐标点的个数)

Rectangle_degree = Cal_Rectangle_degree(img_ori, hull)  # 矩形度指标

计算完矩形度后，将矩形度作为特征值，对预估和检测的结果进行加权，得到最终的位置。