OpenCV学习笔记(14)——轮廓的性质

• 提取一些经常使用的对象特征

1.长宽比

　　边界矩形的宽高比

　                                      　

　　x,y,w,h = cv2.boundingRect(cnt)

　　aspect_ratio = floart(w)/h

2.Extent

　　轮廓面积与边界矩形面积的比。

　　　　　　　　

　　area = cv2.contourArea(cnt)

　　x,y,w,h = cv2.boundingRect(cnt)

　　rect_area = w*h

　　extent = float(area)/rect_area

3.Solidity

　　轮廓面积与凸包面积的比

　　　　　　　　

　　area = cv2.contourtArea(cnt)

　　hull = cv2.convexHull(cnt)

　　hull_area = cv2.contourArea(hull)

　　solidity = float(area)/hull_area

4.Equivalent Diameter

　　与轮廓面积相等的圆形的直径

　　　　　　　　

　　area = cv2.contourArea(cnt)

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

5.方向

　　对象的方向，下面的方法还会返回长轴和短轴的长度

　　(x,y),(MA,ma),angle = cv2.fitEllipse(cnt)

6.掩膜和像素点

　　有时我们需要构成对象的所有像素点，我们可以这样做：

　　# -*- coding:utf-8 -*-

import numpy as np
import cv2
from matplotlib import pyplot as plt

im = cv2.imread('10.png')
img = cv2.cvtColor(im,cv2.COLOR_BGR2GRAY)#用这个方式转换的原因是最后输出时希望能看到彩色的的轮廓图
ret,thresh = cv2.threshold(img,127,255,0)

img,contours,hierarchy = cv2.findContours(thresh,1,2)
cnt = contours[0]

mask = np.zeros(im.shape,np.uint8)

cv2.drawContours(mask,[cnt],0,255,-1)#使用-1可以绘制填充的轮廓

#transpose及noozero用法介绍
#Returns a tuple of arrays, one for each dimension of a,
#containing the indices of the non-zero elements in that dimension.
#The result of this is always a 2-D array, with a row for
#each non-zero element.
#To group the indices by element, rather than dimension, use:
#transpose(nonzero(a))
#>>> x = np.eye(3)
#>>> x
#array([[ 1., 0., 0.],
# [ 0., 1., 0.],
# [ 0., 0., 1.]])
#>>> np.nonzero(x)
#(array([0, 1, 2]), array([0, 1, 2]))
#>>> x[np.nonzero(x)]
#array([ 1., 1., 1.])
#>>> np.transpose(np.nonzero(x))
#array([[0, 0],
# [1, 1],
# [2, 2]]
pixelpoints = np.transpose(np.nonzero(mask))

#pixelpoints = cv2.findNonZero(mask)
#两种方法给出的结果相同，格式不同，前者是（row，column），后者是（x,y），所以这里row = x ，column = y
cv2.imshow('img',mask)
cv2.waitKey(0)

7.最大值最小值及它们的位置

　　利用上面得到的掩膜图像可以得到这些参数

　　min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(imgray,mask = mask）

　　#试了一下，不使用掩膜反而能得到这些参数，使用了就得不到了。

8.平均颜色及平均灰度

　　可以使用相同的掩膜求一个对象的平均颜色或平均灰度

　　mean_val = cv2.mean(im,mask = mask)

9,.极点

　　一个对象最上面，最下面，最左边，最右边的点

　　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])