opencv学习十八：对象测量

对象测量

opencv 中轮廓特征包括：如面积，周长，质心，边界框等。
多边形拟合API
获取轮廓的多边形拟合结果

python-opencv API提供方法：
cv2.moments()用来计算图像中的中心矩(最高到三阶)，
cv2.HuMoments()用于由中心矩计算Hu矩,
同时配合函数cv2.contourArea()函数计算轮廓面积
和cv2.arcLength()来计算轮廓或曲线长度

cv2.approxPolyDP(contour，epsilon，close)
参数：
contour 轮廓
epsilon越小越折线越逼近真实形状
close – 是否为闭合区域

函数cv2.boundingRect返回四个参数（x，y）为矩形左上角的坐标，（w，h）是矩形的宽和高。 函数cv2.rectangle是绘制矩形函数

函数cv2.minAreaRect返回的是一个 Box2D 结构，其中包含 :矩形左上角角点的坐标（x，y），矩形的宽和高（w，h），以及旋转角度。
但是要绘制这个矩形需要矩形的 4 个角点，可以通过函数 cv2.boxPoints() 获得，最后绘制得到旋转边界矩形。

函数cv2.minEnclosingCircle可以帮我们找到一个对象的外切圆。它是所有能够完全包括对象的圆中面积最小的一个。

函数cv2.fitEllipse返回值其实就是旋转边界矩形的内切圆

几何矩计算
一幅M×N的数字图像ƒ(i,j)，其p+q阶 几何矩mpq 和 中心矩 μpq为：
p+q = 0 为0阶矩

p+q = 1 为1阶矩

p+q = 2 为2阶矩

。。。

其中ƒ(i,j)为图像在坐标点(i,j)处的灰度值。

代码如下：

import cv2 as cv
import numpy as np


def measure_object(image):
    gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
    #灰度图gary转为二值图（黑白图）--->输出ret 阈值、binary 二值图
    ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY_INV | cv.THRESH_OTSU)
    print("threshold value : %s"%ret)#打印阈值
    cv.imshow("binary image", binary)#显示二值图像
    dst = cv.cvtColor(binary, cv.COLOR_GRAY2BGR)
    # 找二值图binary的轮廓，cv.RETR_EXTERNAL(只检索外部轮廓)、cv.RETR_TREE（检索全部轮廓）
    contours, hireachy = cv.findContours(binary, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)
    #遍历全部轮廓
    for i, contour in enumerate(contours):
        area = cv.contourArea(contour)# 求轮廓面积
        x, y, w, h = cv.boundingRect(contour)# 求轮廓外接矩形
        rate = min(w, h)/max(w, h)
        print("rectangle rate : %s"%rate)#宽高比
        mm = cv.moments(contour)# 求几何矩,返回字典类型
        print(type(mm))
        # 求得图形的重心坐标
        cx = mm['m10']/mm['m00']
        cy = mm['m01']/mm['m00']
        cv.circle(dst, (np.int(cx), np.int(cy)), 3, (0, 255, 255), -1)#绘制轮廓中心

        cv.rectangle(dst, (x, y), (x+w, y+h), (0, 0, 255), 2)#在原图上，给轮廓绘制矩形
        print("contour area %s"%area)
    cv.imshow("measure-contours", dst)



src = cv.imread("C:/Users/lenovo/Desktop/opencv/daima/banknum/template-matching-ocr/images/ocr_a_reference.png")  #读取图片位置
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)
cv.imshow("input image", src)
measure_object(src)
cv.waitKey(0)
cv.destroyAllWindows()

运行截图：
计算出每个数字的面积，宽高比，可以用于简单数字识别
注意 原图中数字为黑色， 需要反二值化 ，使数字为轮廓，因为轮廓为白色
补充知识点：
outImg, contours, hireachy = cv2.findContours(binary, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)
函数有3个参数Arguments（变量）
1、source image（源图像）一般是 binary 二值图像
2、contour retrieval mode（轮廓检索模式） 一般选用 cv.RETR_EXTERNAL(只检索外部轮廓) cv.RETR_TREE（检索全部轮廓）
3、contour approximation method（轮廓近似法）一般选用 cv.CHAIN_APPROX_SIMPLE

ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY_INV | cv.THRESH_OTSU)
1、gray-源BGR图像转化的灰度图像
2、像素阈值
3、cv.THRESH_BINARY_INV | cv.THRESH_OTSU -二值图像转化方法