OpenCV竟然可以这样学！成神之路终将不远（十九）

返回目录

目录

19 轮廓属性

19.1 长宽比

19.3 范围

19.3 坚实度

19.4 等效直径

19.5 取向

19.6 掩码和像素点

19.7 最大值，最小值和它们的位置

19.8 平均颜色或平均强度

19.9 极端点

---

 

19 轮廓属性

在这里，我们将学习提取一些常用的物体属性，如坚实度，等效直径，掩模图像，平均强度等。更多的功能可以在Matlab regionprops文档中找到。

19.1 长宽比

它是对象边界矩形的宽度与高度的比值。

x, y, w, h = cv.boundingRect(cnt)
aspect_ratio = float(w)/h

19.3 范围

范围是轮廓区域与边界矩形区域的比值。

area = cv.contourArea(cnt)
x, y, w, h = cv.boundingRect(cnt)
rect_area = w * h
extent = float(area) / rect_area

19.3 坚实度

坚实度是等高线面积与其凸包面积之比。

area = cv.contourArea(cnt)
hull = cv.convexHull(cnt)
hull_area = cv.contourArea(hull)
solidity = float(area) / hull_area

19.4 等效直径

等效直径是面积与轮廓面积相同的圆的直径。

area = cv.contourArea(cnt)
equi_diameter = np.sqrt(4 * area / np.pi)

19.5 取向

取向是物体指向的角度。以下方法还给出了主轴和副轴的长度。

(x, y), (MA, ma), angle = cv.fitEllipse(cnt)

19.6 掩码和像素点

在某些情况下，我们可能需要构成该对象的所有点。可以按照以下步骤完成：

mask = np.zeros(imgray.shape, np.uint8)
cv.drawContours(mask, [cnt], 0, 255, -1)
pixelpoints = np.transpose(np.nonzero(mask))

这里提供了两个方法，一个使用Numpy函数，另一个使用OpenCV函数(最后的注释行)。结果也是一样的，只是略有不同。Numpy给出的坐标是(行、列) 格式，而OpenCV给出的坐标是(x,y) 格式。所以基本上答案是可以互换的。注意，row = x, column = y 。

19.7 最大值，最小值和它们的位置

我们可以使用掩码图像找到这些参数。

min_val, max_val, min_loc, max_loc = cv.minMaxLoc(imgray, mask = mask)

19.8 平均颜色或平均强度

在这里，我们可以找到对象的平均颜色。或者可以是灰度模式下物体的平均强度。我们再次使用相同的掩码进行此操作。

mean_val = cv.mean(im,mask = mask)

19.9 极端点

极点是指对象的最顶部，最底部，最右侧和最左侧的点。

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])

例如，如果我将其应用于印度地图，则会得到以下结果：

 

---

欢迎评论区留言，一起探讨OpenCV成神之路的奥秘。

顺便给我加个关注，点个赞，加个收藏，让我们一起登上神坛。