學習提取一些常用的物體屬性，如堅實度，等效直徑，掩模圖像，平均強度等。
(注:質心、面積、周長等也屬于這一類，但我們在上一章已經見過)

1. 長寬比

它是對象邊界矩形的寬度與高度的比值。

$$AspectRatio=\frac{Width}{Height}$$

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

2. 范圍

范圍是輪廓區域與邊界矩形區域的比值。

$$Extent=\frac{ObjectArea}{BoundingRectangleArea}$$

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

3. 堅實度

堅實度是等高線面積與其凸包面積之比。

$$Solidity=\frac{ContourArea}{ConvexHullArea}$$

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

4. 等效直徑

等效直徑是面積與輪廓面積相同的圓的直徑。

$$EquivalentDiameter=\sqrt{\frac{4\times ContourArea}{\pi }}$$

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

5. 取向

取向是物體指向的角度。以下方法還給出了主軸和副軸的長度。

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

6. 掩碼和像素點

在某些情況下，我們可能需要構成該對象的所有點。可以按照以下步驟完成：

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

這里提供了兩個方法，一個使用Numpy函數，另一個使用OpenCV函數(最后的注釋行)。結果也是一樣的，只是略有不同。Numpy給出的坐標是(行、列)格式，而OpenCV給出的坐標是(x,y)格式。所以基本上答案是可以互換的。注意，row = x, column = y。

7. 最大值，最小值和它們的位置

我們可以使用掩碼圖像找到這些參數。

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

8. 平均顏色或平均強度

在這里，我們可以找到對象的平均顏色。或者可以是灰度模式下物體的平均強度。我們再次使用相同的掩碼進行此操作。

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

9. 極端點

極點是指對象的最頂部，最底部，最右側和最左側的點。

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，如果我將其應用于印度地圖，則會得到以下結果：

總結

以上是生活随笔為你收集整理的图像处理之轮廓属性的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。