目录
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。