在这里,我们将学习如何提取一些常用的物体,如固体、等效直径、掩模图像、平均强度等。在Matlab的区域道具文档中可以找到更多的特性。
(NB:中心、区域、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值。
x,y,w,h = cv.boundingRect(cnt)
aspect_ratio = float(w)/h
2。程度上
范围是轮廓面积与边界矩形面积的比值。
area = cv.contourArea(cnt)
x,y,w,h = cv.boundingRect(cnt)
rect_area = w*h
extent = float(area)/rect_area
3。可靠性
固体是轮廓面积与凸壳面积的比值。
area = cv.contourArea(cnt)
hull = cv.convexHull(cnt)
hull_area = cv.contourArea(hull)
solidity = float(area)/hull_area
4所示。当量直径
等效直径是圆的直径,其面积与等值线面积相同。
area = cv.contourArea(cnt)
equi_diameter = np.sqrt(4*area/np.pi)
5。取向
方向是物体被引导的角度。下面的方法也给出了主轴和小轴长度。
(x,y),(MA,ma),angle = cv.fitEllipse(cnt)
6。面具和像素点
在某些情况下,我们可能需要所有包含该对象的点。可以这样做:
mask = np.zeros(imgray.shape,np.uint8)
cv.drawContours(mask,[cnt],0,255,-1)
pixelpoints = np.transpose(np.nonzero(mask))
#pixelpoints = cv.findNonZero(mask)
这里有两个方法,一个使用Numpy函数,下一个使用OpenCV函数(最后一个注释行)来做同样的事情。结果也是一样的,但有细微的差别。Numpy提供了(行、列)格式的坐标,而OpenCV则给出了(x,y)格式的坐标。所以基本上答案会被互换。注意,行=x和列=y。
7。最大值、最小值及其位置
我们可以使用蒙版图像找到这些参数。
min_val, max_val, min_loc, max_loc = cv.minMaxLoc(imgray,mask = mask)
8。平均颜色或平均强度
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强度。我们再次使用相同的面具来做这件事。
mean_val = cv.mean(im,mask = mask)
9。极端点
极端点指的是物体的最上面、最底、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])