python 图像特征提取_【图像处理】——Python+opencv实现提取图像的几何特征（面积、周长、细长度、区间占空比、重心、不变矩等）...

转载请注明详细地址

本文简单介绍了图像常见几何特征的概念以及求解方法

本文介绍了Python和opencv求解几何特征的常用方法

目录

一、获得轮廓

二、面积

1、cv2.connectedComponentsWithStats()

stats参数解析

2、cv2.contourArea()函数

三、周长

1、cv2.arcLength(contours[0],True)

四、细长度

1、绘制外接矩形（cv2.rectangle()函数）

2、得到矩形的角点坐标和长宽cv2.boundingRect()函数

3、求解最小外接矩形（cv2.minAreaRect（）函数）

4、绘制最小外接矩形：cv2.boxPoints()函数和cv2.polylines()函数

step1 角点坐标获得cv2.boxPoints()

step2 将角点坐标全部转换为整数

step3 依次连接起来cv2.polylines()

5、细长度的计算

五、区间占空比

六、重心

七、图像上添加文字cv2.putText()函数

八、完整代码

一、获得轮廓

在进行轮廓几何特征的提取之前，首先要做的就是得到轮廓，得到轮廓常用的函数有：

cv2.findcontours()

contours, hierarchy = cv.findContours( image, mode, method[, contours[, hierarchy[, offset]]] )

参数1：源图像

参数2：轮廓的检索方式，这篇文章主要讲解这个参数

参数3：一般用 cv.CHAIN_APPROX_SIMPLE，就表示用尽可能少的像素点表示轮廓

contours：图像轮廓坐标，是一个列表

hierarchy：[Next, Previous, First Child, Parent]，文中有详细解释

具体可见：《【图像处理】——Python+opencv实现二值图像的轮廓边界跟踪以及轮廓面积周长的求解（findcontours函数和contourArea函数）》

二、面积

一般指的是轮廓内所包含的所有像素的个数，但是为了方便计算加快计算的速度，一般会采样一种近似地方法去估算面积，常用的有将轮廓近似成一个多边形，然后进行求解，在Python—opencv中，有两种方式可以对轮廓面积进行求解

1、cv2.connectedComponentsWithStats()

具体看见：《【图像处理】——实现二值图像的轮廓边界跟踪以及轮廓面积周长的求解（connectedComponentsWithStats()函数和connectedComponents()函数）》

retval, labels, stats, centroids =

connectedComponentsWithStats(image, labels=None, stats=None, centroids=None, connectivity=None, ltype=None)

这个函数返回值stats中的最后一个元素就是轮廓区域的面积，通过提取可以得到

stats参数解析

stats参数是一个numpy数组，每一行代表一个轮廓，每一行固定为5个参数，依次是：

CC_STAT_LEFT 组件的左上角点像素点坐标的X位置

CC_STAT_TOP 组件的左上角点像素点坐标的Y位置

CC_STAT_WIDTH 组件外接矩形的宽度,计算方式为用每一个轮廓中最右边的点的x坐标减去最左边的点的x坐标

CC_STAT_HEIGHT 组件外接矩形的高度，计算方式为用每一个轮廓中最下边的点的y坐标减去最上边的点的y坐标

CC_STAT_AREA 当前连