自己注册公司网站,建设门户网站的意见和建议,外贸营销工具,南通网站推广怎么收费3.轮廓的性质 本文我们将主要学习基于轮廓来提取一些经常使用的对象特征。
3.1 长宽比 边界矩形的宽高比#xff1a; x,y,w,h cv2.boundingRect(cnt)
aspect_ratio float(w)/h
3.2 Extent 轮廓面积与边界矩形面积的比。 area cv2.contourArea(cnt)
x,y,w,h cv2.bounding…3.轮廓的性质 本文我们将主要学习基于轮廓来提取一些经常使用的对象特征。
3.1 长宽比 边界矩形的宽高比 x,y,w,h cv2.boundingRect(cnt)
aspect_ratio float(w)/h
3.2 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
3.3 Solidity 轮廓面积与凸包面积的比。 area cv2.contourArea(cnt)
hull cv2.convexHull(cnt)
hull_area cv2.contourArea(hull)
solidity float(area)/hull_area
3.4 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)
3.5 方向 对的方向下面的方法会返回长轴和短轴的长度。
(x,y),(MA,ma),angle cv2.fitEllipse(cnt)
3.6 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
mask np.zeros(imgray.shape,np.uint8)
# 一定使用参数-1, 绘制填充的的廓
cv2.drawContours(mask,[cnt],0,255,-1)
#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) 这里我们使用了两种方法第一种方法使用了Numpy 函数第二种使用了OpenCV 函数。结果相同但还是有点不同。Numpy 给出的坐标是rowcolum形式的。而OpenCV 给出的格式是(x,y)形式的。所以两个结果基本是可以互换的。rowx,colunmy。
3.7 最大值和最小值及位置 我们可以使用掩模图像得到这些参数。
min_val, max_val, min_loc, max_loc cv2.minMaxLoc(imgray,mask mask)
3.8 平均颜色及平均灰度 我们也可以使用相同的掩模求一个对象的平均颜色或平均灰度
mean_val cv2.mean(im,mask mask)
3.9 极点 一个对象最上最下最左最右的点。
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]) 如下图所示
