Python，OpenCV輪廓屬性、輪廓檢測及繪制

• • 1. 效果圖
  • 2. 源碼
  • • 2.1 輪廓屬性
    • 2.2 輪廓特征
  • 參考

這篇博客將介紹OpenCV中的輪廓，輪廓的特征及屬性（質(zhì)心，面積，輪廓，近似輪廓，周長，最小外接圓，面積最小外接矩形，外接直角矩形，凸包）；

計算輪廓屬性提取物體的一些常用特性，如堅固性、等效直徑、掩模圖像、平均強度等；

• 寬高比（外接矩形寬/高的比率）
• Extent（面積/外接矩形面積的比率）
• 堅固性（面積/凸包面積的比率）
• 等效直徑（與輪廓面積相同的圓的直徑）
• 擬合橢圓的長軸、短軸、方向；
• 均值（平均顏色或平均強度）
• 極值點是指物體的最上面、最下面、最右邊和最左邊的點

1. 效果圖

外接矩形效果圖如下：紅色為面積最小矩形（它考慮了旋轉(zhuǎn)），綠色為外接邊界直角矩形

最小外接圓效果圖如下：

擬合橢圓效果圖如下：

擬合線效果圖如下：

2. 源碼

2.1 輪廓屬性

# 找出輪廓的不同特征，如面積、周長、質(zhì)心、邊界盒等
# moments矩可以計算物體的質(zhì)心、面積等特征;函數(shù)cv2.moments（）提供了一個計算出所有力矩值的字典。import cv2
import numpy as npimage = cv2.imread('opencv_logo.jpg')
img = cv2.imread('opencv_logo.jpg', 0)
ret, thresh = cv2.threshold(img, 127, 255, 0)
contours, hierarchy = cv2.findContours(thresh, 1, 2)
# print(contours)cnt = contours[0]
cv2.drawContours(image, cnt, -1, (255, 255, 255), -1)
M = cv2.moments(cnt)
# 力矩
print('力矩：', M)# 質(zhì)心
cx = int(M['m10'] / M['m00'])
cy = int(M['m01'] / M['m00'])
print('質(zhì)心：', (cx, cy))
cv2.circle(image, (cx, cy), 3, (255, 255, 255), -1)# 面積
area = cv2.contourArea(cnt)
print('面積：', area, M['m00'])# 等高線周長也稱為弧長。可以使用cv2.arcLength（cnt,True），True標(biāo)識閉合區(qū)域，False表示曲線
perimeter = cv2.arcLength(cnt, True)
print('周長：', perimeter)# 輪廓近似：它將一個輪廓形狀近似為另一個具有較少頂點數(shù)的形狀，具體取決于我們指定的精度。它是Douglas-Peucker算法的一個實現(xiàn)。
epsilon = 0.1 * cv2.arcLength(cnt, True)
# epsilon表示近似輪廓10%，True表示閉合區(qū)域
approx = cv2.approxPolyDP(cnt, epsilon, True)
print('近似輪廓：', approx)# 凸包：cv2.convexHull（）函數(shù)檢查曲線的凸度缺陷并進行校正。
hull = cv2.convexHull(cnt)
print('凸包：', hull)# 檢查凸性，即檢查曲線是否凸，cv2.isContourConvex（）
k = cv2.isContourConvex(cnt)
print('檢查是否凸：', k)# 邊框（邊界矩形） cv2.boundingRect()計算得到直角矩形,（x，y）為矩形的左上角坐標(biāo)，（w，h）為矩形的寬度和高度。）
x, y, w, h = cv2.boundingRect(cnt)
aspect_ratio = float(w) / h
print('寬高比: ', aspect_ratio)
cv2.rectangle(image, (x, y), (x + w, y + h), (0, 255, 0), 2)# cv2.minarearct(),旋轉(zhuǎn)矩形（邊界矩形是以最小面積繪制的，考慮了旋轉(zhuǎn)。） (中心(x,y), 寬度高度(width, height), 旋轉(zhuǎn)角度）；
# 使用cv2.boxPoints()得到矩形的4個角點
# 兩個矩形都顯示在一個圖像中。綠色矩形顯示法線邊界矩形。紅色矩形是旋轉(zhuǎn)的矩形。
rect = cv2.minAreaRect(cnt)
box = cv2.boxPoints(rect)
box = np.int0(box)
cv2.drawContours(image, [box], 0, (0, 0, 255), 2)# cv2.minEnclosingCircle()面積最小外接圓
(x, y), radius = cv2.minEnclosingCircle(cnt)
center = (int(x), int(y))
radius = int(radius)
cv2.circle(image, center, radius, (0, 255, 0), 2)# 擬合橢圓，返回橢圓內(nèi)接的旋轉(zhuǎn)矩形。
ellipse = cv2.fitEllipse(cnt)
cv2.ellipse(image, ellipse, (0, 255, 0), 2)# 擬合線
rows, cols = img.shape[:2]
[vx, vy, x, y] = cv2.fitLine(cnt, cv2.DIST_L2, 0, 0.01, 0.01)
lefty = int((-x * vy / vx) + y)
righty = int(((cols - x) * vy / vx) + y)
cv2.line(image, (cols - 1, righty), (0, lefty), (0, 255, 0), 2)
cv2.imshow("img", image)
cv2.waitKey(0)

2.2 輪廓特征

import cv2
import numpy as npimg = cv2.imread('opencv_logo.jpg', 0)
ret, thresh = cv2.threshold(img, 127, 255, 0)
contours, hierarchy = cv2.findContours(thresh, 1, 2)
# print(contours)cnt = contours[0]x, y, w, h = cv2.boundingRect(cnt)
aspect_ratio = float(w) / h
print('寬高比：', aspect_ratio)area = cv2.contourArea(cnt)
x, y, w, h = cv2.boundingRect(cnt)
rect_area = w * h
extent = float(area) / rect_area
print('extent: ', extent)area = cv2.contourArea(cnt)
hull = cv2.convexHull(cnt)
hull_area = cv2.contourArea(hull)
solidity = float(area) / hull_area
print('堅固性: ', solidity)area = cv2.contourArea(cnt)
equi_diameter = np.sqrt(4 * area / np.pi)
print('等面積圓的直徑：', equi_diameter)(x, y), (MA, ma), angle = cv2.fitEllipse(cnt)
print('方向：', angle)
print('長軸，短軸：', MA, ma)# Numpy以（行，列）格式給出坐標(biāo)，OpenCV以（x，y）格式給出坐標(biāo)。
imgray = img
mask = np.zeros(imgray.shape, np.uint8)
cv2.drawContours(mask, [cnt], 0, 255, -1)
pixelpoints = np.transpose(np.nonzero(mask))
# pixelpoints = cv2.findNonZero(mask)
print('遮罩mask: ', mask)
print('組成輪廓的所有像素點：', pixelpoints)min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(imgray, mask=mask)
print('最小，最大，最小位置，最大位置：', min_val, max_val, min_loc, max_loc)mean_val = cv2.mean(imgray, mask=mask)
print('平均顏色/平均強度：', mean_val)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])
print('極值點：', leftmost, rightmost, topmost, bottommost)

參考

• https://docs.opencv.org/3.0-beta/doc/py_tutorials/py_imgproc/py_contours/py_table_of_contents_contours/py_table_of_contents_contours.html#table-of-content-contours

總結(jié)

以上是生活随笔為你收集整理的Python，OpenCV轮廓属性、轮廓检测及绘制的全部內(nèi)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(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。