1. opencv 中轮廓特征包括:
- 面积,周长,质心,边界框等
- 弧长与面积测量
- 多边形拟合
- 获取轮廓的多边形拟合结果
2. python-opencv API提供方法:
- cv2.moments()用来计算图像中的中心矩(最高到三阶),会将计算得到的的矩以一个字典的形式返回;
- cv2.HuMoments()用于由中心矩计算Hu矩;
- cv2.contourArea()函数计算轮廓面积; 参数有2个: 1. 轮廓 2. 来指定对象的形状是闭合的(True),还是打开的(一条曲线)
- x, y, w, h = cv2.boudingrect() # 获得外接矩形 参数说明:x,y, w, h 分别表示外接矩形的左上角点的坐标,以及矩形的宽和高。
- cv2.arcLength()来计算轮廓或曲线长度, 参数同上
-
cv2.aprroxPolyDP(cnt, epsilon, True) # 用于获得轮廓的近似值,对指定的点集进行多边形逼近,使用cv2.drawCountors进行画图操作
参数说明:cnt为输入的轮廓值, epsilon为阈值T,通常使用轮廓的周长作为阈值,值越小,折线越逼近真实形状;True表示的是轮廓是闭合的。
3. 实现代码:
import cv2 as cv
import numpy as np
def measure_object(image):
gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY_INV | cv.THRESH_OTSU)
print("threshold value: %s"%ret) # 输出阈值
cv.imshow("binary image", binary)
contours, hierarchy = cv.findContours(binary, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)
# for i, contour in enumerate(contours):
# cv.drawContours(image, contours, i, (0, 0, 255), 2) # 2为像素大小,-1时填充轮廓
# print(i)
# cv.imshow("detect contours", image)
for i, contour in enumerate(contours):
cv.drawContours(image, contours, i, (0, 255, 255), 1) # 用黄色线条画出轮廓
area = cv.contourArea(contour) # 计算轮廓面积
print("contour area:", area)
# 轮廓周长,第二参数可以用来指定对象的形状是闭合的(True),还是打开的(一条曲线)。
perimeter = cv.arcLength(contour, True)
print("contour perimeter:", perimeter)
x, y, w, h = cv.boundingRect(contour) # 轮廓的外界矩形
cv.rectangle(image, (x, y), (x + w, y + h), (0, 0, 255), 2)
rate = min(w, h)/max(w, h) # 计算矩阵宽高比
print("rectangle rate",rate)
mm = cv.moments(contour) # 中心矩,函数 cv2.moments() 会将计算得到的矩以一个字典的形式返回
# print(type(mm)) # 字典形式
# 计算出对象的重心
cx = mm['m10']/mm['m00']
cy = mm['m01']/mm['m00']
cv.circle(image, (np.int(cx), np.int(cy)), 2, (0, 255, 255), -1) # 用实心圆画出重心
cv.imshow("measure_object", image)
def contour_approx(image):
gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)
print("threshold value: %s" % ret)
cv.imshow("binary image", binary)
contours, hierarchy = cv.findContours(binary, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)
for i, contour in enumerate(contours):
cv.drawContours(image, contours, i, (0, 0, 255), 2) # 用红色线条画出轮廓
# 将轮廓形状近似到另外一种由更少点组成的轮廓形状,新轮廓的点的数目由我们设定的准确度来决定。
# 这个函数的第二个参数叫 epsilon,它是从原始轮廓到近似轮廓的最大距离。
# 它是一个准确度参数。选 择一个好的 epsilon 对于得到满意结果非常重要。
epsilon = 0.01 * cv.arcLength(contour, True)
approx = cv.approxPolyDP(contour, epsilon, True)
cv.drawContours(image, approx, -1, (255, 0, 0), 10)
cv.imshow("contour_approx", image)
def main():
src = cv.imread("../images/handwriting.jpg")
# cv.imshow("demo",src)
# measure_object(src)
img = cv.imread("../images/approximate.png")
contour_approx(img)
cv.waitKey(0) # 等有键输入或者1000ms后自动将窗口消除,0表示只用键输入结束窗口
cv.destroyAllWindows() # 关闭所有窗口
if __name__ == '__main__':
main()