- 长宽比
边界矩形的宽高比
x,y,w,h = cv2.boundingRect(cnt)
aspect_ratio = float(w)/h
- Extent
轮廓面积与边界矩形面积的比
area = cv2.contourArea(cnt)
x,y,w,h = cv2.boundingRect(cnt)
rect_area = w*h
extent = float(area)/rect_area
- Solidity
轮廓面积与凸包面积的比
area = cv2.contourArea(cnt)
hull = cv2.convexHull(cnt)
hull_area = cv2.contourArea(hull)
solidity = float(area)/hull_area
- Equivalent Diameter
与轮廓面积相等的圆形的直径
area = cv2.contourArea(cnt)
equi_diameter = np.sqrt(4*area/np.pi)
- 方向
对象的方向,下面的方法还会返回长轴和短轴的长度
(x,y),(MA,ma),angle = cv2.fitEllipse(cnt)
- 掩模和像素点
有时我们需要构成对象的所有像素点,我们可以这样做:
mask = np.zeros(imgray.shape,np.uint8)
# 这里一定要使用参数-1, 绘制填充的的轮廓
cv2.drawContours(mask,[cnt],0,255,-1)
#Returns a tuple of arrays, one for each dimension of a,
#containing the indices of the non-zero elements in that dimension.
#The result of this is always a 2-D array, with a row for
#each non-zero element.
#To group the indices by element, rather than dimension, use:
#transpose(nonzero(a))
#>>> x = np.eye(3)
#>>> x
#array([[ 1., 0., 0.],
# [ 0., 1., 0.],
# [ 0., 0., 1.]])
#>>> np.nonzero(x)
#(array([0, 1, 2]), array([0, 1, 2]))
#>>> x[np.nonzero(x)]
#array([ 1., 1., 1.])
#>>> np.transpose(np.nonzero(x))
#array([[0, 0],
# [1, 1],
# [2, 2]])
pixelpoints = np.transpose(np.nonzero(mask))
#pixelpoints = cv2.findNonZero(mask)
这里我们是用来两种方法,第一种方法使用了 Numpy 函数,第二种使用了 OpenCV 函数。结果相同,但还是有点不同。 Numpy 给出的坐标是(row,colum)
形式的。而 OpenCV 给出的格式是(x, y)形式的。所以这两个结果基本是可以互换的。 row=x,colunm=y。
- 最大值和最小值及它们的位置
我们可以使用掩模图像得到这些参数
min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(imgray,mask = mask)
- 平均颜色及平均灰度
我们也可以使用相同的掩模求一个对象的平均颜色或平均灰度
mean_val = cv2.mean(im,mask = mask)
- 极点
一个对象最上面,最下面,最左边,最右边的点。
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])
代码
import cv2
import numpy as np
img = cv2.imread('image.png')#读取原图像
imgray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)#转为灰度图
ret,thresh = cv2.threshold(imgray,127,255,cv2.THRESH_BINARY)#二值化
_,contours,hierarchy = cv2.findContours(thresh,cv2.RETR_CCOMP,cv2.CHAIN_APPROX_NONE)#找轮廓
cnt = contours[0]#选择轮廓
x,y,w,h = cv2.boundingRect(cnt)
#绘制边界矩形
cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,0),2)
#长宽比
aspect_ratio = float(w)/h
print("长宽比:" + str(aspect_ratio))
#轮廓面积与边界矩形面积的比
area = cv2.contourArea(cnt)
rect_area = w*h
extent = float(area)/rect_area
print("轮廓面积与边界矩形面积的比:" + str(extent))
#轮廓面积与凸包面积的比
hull = cv2.convexHull(cnt)
hull_area = cv2.contourArea(hull)
solidity = float(area)/hull_area
print("轮廓面积与凸包面积的比:" + str(solidity) )
#与轮廓面积相等的圆形的直径
equi_diameter = np.sqrt(4*area/np.pi)
print("与轮廓面积相等的圆形的直径" + str(equi_diameter))
#方向
(x,y),(MA,ma),angle = cv2.fitEllipse(cnt)
print("方向" + str(angle))
#最大值和最小值及它们的位置
mask = np.zeros(imgray.shape,np.uint8)
min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(imgray,mask = mask)
print(cv2.minMaxLoc(imgray,mask = mask))
#平均颜色及平均灰度
mean_val = cv2.mean(img,mask = mask)
print("平均颜色" + str(mean_val))
# 绘制极点
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])
cv2.circle(img,leftmost, 5, (0,0,255), -1)
cv2.circle(img,rightmost, 5, (0,0,255), -1)
cv2.circle(img,topmost, 5, (0,0,255), -1)
cv2.circle(img,bottommost, 5, (0,0,255), -1)
cv2.imshow('image',img)
cv2.waitKey(0)
cv2.destroyAllWindows()
效果
长宽比:0.8414634146341463
轮廓面积与边界矩形面积的比:0.2871818663838812
轮廓面积与凸包面积的比:0.8068400471727392
与轮廓面积相等的圆形的直径90.96933780679176
方向145.46282958984375
(0.0, 0.0, (-1, -1), (-1, -1))
平均颜色(0.0, 0.0, 0.0, 0.0)