OpenCV-Python轮廓属性|极客笔记

学习找到轮廓的不同属性，如 Solidity，Mean Intensity 等。

在这里，我们将学习提取对象的一些常用属性，例如实体，等效直径，蒙版图像，平均强度等。更多功能可以在 Matlab regionprops文档中找到。

(注意：质心，面积，周长等也属于此类，但我们在上一章中已经看到了)

OpenCV轮廓长宽比

它是对象边界矩形的宽度与高度的比率。
$Aspect \; Ratio = \frac{Width}{Height}$

x,y,w,h = cv.boundingRect(cnt)
aspect_ratio = float(w)/h

OpenCV轮廓范围

范围是轮廓区域与边界矩形区域的比率。
$Extent = \frac{Object \; Area}{Bounding \; Rectangle \; Area}$

area = cv.contourArea(cnt)
x,y,w,h = cv.boundingRect(cnt)
rect_area = w*h
extent = float(area)/rect_area

OpenCV轮廓固实性

固实性是轮廓面积与其凸包面积的比率。

$Solidity = \frac{Contour \; Area}{Convex \; Hull \; Area}$

area = cv.contourArea(cnt)
hull = cv.convexHull(cnt)
hull_area = cv.contourArea(hull)
solidity = float(area)/hull_area

OpenCV轮廓等效直径

等效直径是面积与轮廓面积相同的圆的直径。
$Equivalent \; Diameter = \sqrt{\frac{4 \times Contour \; Area}{\pi}}$

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

OpenCV轮廓方向

方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)

OpenCV轮廓遮罩和像素点

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)

在这里，给出了两种方法，一种使用Numpy函数，另一种使用OpenCV函数(最后注释的行)执行相同的操作。结果也相同，但略有不同。Numpy以(行，列)格式给出坐标，而OpenCV以(x，y)格式给出坐标。因此，基本上答案是可以互换的。注意，row = x，column = y。

OpenCV轮廓最大值，最小值及其位置

我们可以使用遮罩图像找到这些参数。

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

OpenCV轮廓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蒙版进行此操作。

mean_val = cv.mean(im,mask = mask)

OpenCV轮廓极端点

极点是指对象的最顶部，最底部，最右侧和最左侧的点。

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])

例如，如果将其应用于印度地图，则会得到以下结果：

OpenCV轮廓极端点