图像处理之轮廓属性.pdfVIP

图像处理之轮廓属性 学习提取⼀些常⽤的物体属性，如坚实度，等效直径，掩模图像，平均强度等。 (注:质⼼、⾯积、周长等也属于这⼀类，但我们在上⼀章已经见过) 1. 长宽⽐ 它是对象边界矩形的宽度与⾼度的⽐值。 Width AspectRatio= Height x,y,w,h = cv .boundingRect (cnt) aspect_ratio = float (w) h 2. 范围 范围是轮廓区域与边界矩形区域的⽐值。 Object Area Extent = BoundingRectangleArea area = cv .contourArea (cnt) x,y,w,h = cv .boundingRect (cnt) rect_area = w*h extent = float (area) rect_area 3. 坚实度 坚实度是等⾼线⾯积与其凸包⾯积之⽐。 ContourArea Solidity = ConvexHull Area area = cv .contourArea (cnt) hull = cv .convexHull(cnt) hull_area = cv .contourArea (hull) solidity = float (area) hull_area 4. 等效直径 等效直径是⾯积与轮廓⾯积相同的圆的直径。 4 ×ContourArea π EquivalentDiameter = area = cv .contourArea (cnt) equi_diameter = np .sqrt(4*area np.pi) 5. 取向 取向是物体指向的⾓度。以下⽅法还给出了主轴和副轴的长度。 (x,y),( MA,ma),angle = cv .fitEllipse(cnt) 6. 掩码和像素点 在某些情况下，我们可能需要构成该对象的所有点。可以按照以下步骤完成： mask = np .zeros (imgray .shape ,np.uint8) cv.drawContours (mask,[cnt],0,255 ,-1) pixelpoints = np .transpose (np.nonzero (mask)) #pixelpoints = cv.findNonZero(mask) 这⾥提供了两个⽅法，⼀个使⽤Numpy函数，另⼀个使⽤OpenCV函数(最后的注释⾏)。结果也是⼀样的，只是略有不同。Numpy给出的 坐标是(⾏、列)格式，⽽OpenCV给出的坐标是(x,y)格式。所以基本上答案是可以互换的。注意，row = x, column = y。 7. 最⼤值，最⼩值和它们的位置 我们可以使⽤掩码图像找到这些参数。 min_val, max_val , min_loc , max_loc = cv .minMaxLoc (imgray ,mask = mask) 8. 平均颜⾊或平均强度 在这⾥，我们可以找到对象的平均颜⾊。或者可以是灰度模式下物体的平均强度。我们再次使⽤相同的掩码进⾏此操作。 mean_val = cv .mean(im,mask = mask) 9. 极端点 极点是指对象的最顶部，最底部