《python+opencv3.3视频教学 基础入门》对象测量 笔记

弧长与面积
轮廓发现
计算每个轮廓的弧长与面积，像素单位

多边形拟合
获取轮廓的多边形拟合结果
approxPolyDP()：contour、epsilon越小越折线越逼近真实形状、close是否为闭合区域
API参考：https://www.jianshu.com/p/0205c963104d

几何矩计算

视频源码：

import cv2 as cv
import numpy as np


def measure_object(image):
    # 先弱化一下噪声，如果轮廓识别时识别到了噪声，因为噪声尺寸都很小，会导致其轮廓也极小（两三个像素点），结果是几何矩为0，计算重心时会除0报错
    image = cv.GaussianBlur(image, (3, 3), 0)
    gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
    ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY_INV | cv.THRESH_OTSU)
    print("threshold value : {}".format(ret))
    cv.imshow("binary image", binary)
    dst = cv.cvtColor(binary, cv.COLOR_GRAY2BGR)

    # 这一步是找轮廓，因为测量对象轮廓往往只是想测量对象最外部的轮廓，所以这里第二个参数选cv.RETR_EXTERNAL
    contours, hierarchy = cv.findContours(binary, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)
    # 计算轮廓面积、获取轮廓外接矩形、计算轮廓几何矩、根据几何矩算重心、在原图上画重心和外接矩形
    for i, contour in enumerate(contours):
        area = cv.contourArea(contour)   # area 是 cv.contourArea(contour) 计算contour轮廓的面积
        rect_x, rect_y, rect_w, rect_h = cv.boundingRect(contour)   # rect 是 contour 这个轮廓的外接矩形
        rate = min(rect_w, rect_h) / max(rect_w, rect_h)   # 计算一个数字的rect的横纵比
        print("rectangle rate : {}".format(rate))
        mm = cv.moments(contour)   # 计算 contour 的几何矩
        print(type(mm))   # mm 是一个字典类型
        cx = mm['m10'] / mm['m00']   # cx、cy是图像重心
        cy = mm['m01'] / mm['m00']
        cv.circle(dst, (np.int(cx), np.int(cy)), 3, (0, 255, 255), -1)   # 把该轮廓的重心画出来
        cv.rectangle(dst, (rect_x, rect_y), (rect_x + rect_w, rect_y + rect_h), (0, 0, 255), 2)
        print("contour area {}".format(area))

        # 多边形逼近
        approxCurve = cv.approxPolyDP(contour, 4, True)
        print(approxCurve.shape)
        if approxCurve.shape[0] > 10:   # 如果该轮廓的边数大于10（一般是圆或椭圆），则把轮廓画出来，这样可以区分正方形、三角形等多边形
            cv.drawContours(dst, contours, i, (0, 255, 0), 2)

    cv.imshow("measure contours", dst)


print("-----------Python OpenCV Tutorial--------------")
src = cv.imread("C:/cv-samples/data/handwritten_numeral.jpg")
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)
cv.imshow("input image", src)

measure_object(src)

cv.waitKey(0)

cv.destroyAllWindows()