圖像輪廓的獲取可參考博文十七

一、相關原理

1，弧長和面積

對于弧長和面積，計算出來的輪廓單位都是像素

2，多邊形擬合

每一個輪廓都是一系列的點，然后通過多邊形進行擬合，無限的接近真實形狀
相關API：cv.approxPolyDP(contour,4, True)
其中參數(shù)一：contour幾何的輪廓
參數(shù)二：epsilon表示折線的大小，越小表示越接近真實形狀
參數(shù)三：close表示是否為閉合區(qū)域，一般默認為True

3，幾何矩計算

前景像素f(x,y)
原點矩：
p+q=0稱為零階矩，p+q=1稱為一階矩
中心距：
中心距已經是中心化之后的值，一般都是從一階矩開始的
圖像的重心坐標：
M10表示一階(1+0=1)

二、將幾何圖像通過矩形框框出，并求出矩形面積

import cv2 as cv import numpy as npdef measure_object(image):gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY_INV | cv.THRESH_OTSU)print("threshold value : %s"%ret)cv.imshow("binary image", binary)dst = cv.cvtColor(binary, cv.COLOR_GRAY2BGR)outImage, contours, hireachy = cv.findContours(binary, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)for i, contour in enumerate(contours):area = cv.contourArea(contour)x, y, w, h = cv.boundingRect(contour)rate = min(w, h)/max(w, h)print("rectangle rate : %s"%rate)#矩形面積mm = cv.moments(contour)print(type(mm))cx = mm['m10']/mm['m00']cy = mm['m01']/mm['m00']cv.circle(dst, (np.int(cx), np.int(cy)), 3, (0, 255, 255), -1)#圓心cv.rectangle(dst, (x, y), (x+w, y+h), (0, 0, 255), 2)#矩形框print("contour area %s"%area)cv.imshow("measure-contours", dst)src = cv2.imread(r"G:\Juptyer_workspace\study\opencv\opencv3\number.jpg") cv.namedWindow("input image", cv.WINDOW_AUTOSIZE) cv.imshow("input image", src) measure_object(src) cv.waitKey(0)cv.destroyAllWindows()

效果圖如下：

三、識別圓、矩形、三角形并使用不同的顏色進行區(qū)分標記輪廓，并出去輪廓面積

import cv2 as cv import numpy as npdef measure_object(image):gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY_INV | cv.THRESH_OTSU)print("threshold value : %s"%ret)cv.imshow("binary image", binary)dst = cv.cvtColor(binary, cv.COLOR_GRAY2BGR)outImage, contours, hireachy = cv.findContours(binary, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)for i, contour in enumerate(contours):area = cv.contourArea(contour)x, y, w, h = cv.boundingRect(contour)rate = min(w, h)/max(w, h)print("rectangle rate : %s"%rate)mm = cv.moments(contour)print(type(mm))cx = mm['m10']/mm['m00']cy = mm['m01']/mm['m00']cv.circle(dst, (np.int(cx), np.int(cy)), 3, (0, 255, 255), -1)#圓心#cv.rectangle(dst, (x, y), (x+w, y+h), (0, 0, 255), 2)#外接矩形print("contour area %s"%area)approxCurve = cv.approxPolyDP(contour,4, True)print(approxCurve.shape)if approxCurve.shape[0] > 6:#圓肯定需要多個線段進行無限趨近擬合cv.drawContours(dst, contours, i, (0, 255, 0), 2)if approxCurve.shape[0] == 4:#矩形四條線段即可擬合成功cv.drawContours(dst, contours, i, (0, 0, 255), 2)if approxCurve.shape[0] == 3:#三角形三條線段即可擬合成功cv.drawContours(dst, contours, i, (255, 0, 0), 2)cv.imshow("measure-contours", dst)print("--------- Python OpenCV Tutorial ---------") src = cv2.imread(r"G:\Juptyer_workspace\study\opencv\opencv3\by.jpg") cv.namedWindow("input image", cv.WINDOW_AUTOSIZE) cv.imshow("input image", src) measure_object(src) cv.waitKey(0)cv.destroyAllWindows()

效果圖如下：

總結

以上是生活随笔為你收集整理的十八、对已经找到轮廓的图像进行测量的全部內容，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(wǎng)站內容還不錯，歡迎將生活随笔推薦給好友。