OpenCV-Python實現(xiàn)輪廓的特征值
前言
輪廓自身的一些屬性特征及輪廓所包圍對象的特征對于描述圖像具有重要意義。本篇博文將介紹幾個輪廓自身的屬性特征及輪廓包圍對象的特征。
寬高比
在輪廓中，我們可以通過寬高比來描述輪廓，例如矩形的輪廓寬高比為：
寬高比=寬度/高度
下面，我們來計算矩形輪廓的寬高比，代碼如下：
import cv2
img = cv2.imread("26_1.jpg")
cv2.imshow("img", img)
# 轉(zhuǎn)換為灰度圖像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
contours, hierarchy = cv2.findContours(binary, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)
x, y, w, h = cv2.boundingRect(contours[0])
cv2.rectangle(img, (x, y), (x + w, y + h), (0, 0, 255), 3)
cv2.imshow("img1", img)
aspectRatio=float(w)/h
print(aspectRatio)
cv2.waitKey()
cv2.destroyAllWindows()
運行之后，我們可以得到輪廓的寬高比約為3：
Extend
我們還可以使用輪廓面積與矩形邊界面積之比Extend來描述圖像及其輪廓特征，數(shù)學(xué)計算公式圖下：
Extend=輪廓面積/矩形邊界面積
下面，我們來計算Extend，代碼如下：
import cv2
img = cv2.imread("26_1.jpg")
cv2.imshow("img", img)
# 轉(zhuǎn)換為灰度圖像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
contours, hierarchy = cv2.findContours(binary, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)
x, y, w, h = cv2.boundingRect(contours[0])
rectArea=w*h#矩形邊界面積
cntArea=cv2.contourArea(contours[0])#輪廓面積
extend=float(cntArea)/rectArea
print(extend)
本例中，輪廓面積與矩形邊界面積的比值Extend大約為0.8：
Solidity
我們還可以使用輪廓面積與凸包面積之比Solidity來衡量圖像，輪廓以及凸包的特征。其數(shù)學(xué)計算公式為：
Slidity=輪廓面積/凸包面積
下面，我們來計算Slidity，代碼如下：
import cv2
img = cv2.imread("26_1.jpg")
cv2.imshow("img", img)
# 轉(zhuǎn)換為灰度圖像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
contours, hierarchy = cv2.findContours(binary, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)
x, y, w, h = cv2.boundingRect(contours[0])
cntArea=cv2.contourArea(contours[0])#輪廓面積
hull=cv2.convexHull(contours[0])
hullArea=cv2.contourArea(hull)#凸包面積
solidity=float(cntArea)/hullArea
print(solidity)
運行之后，本例輪廓面積與凸包面積的比值solidity約為1：
等效直徑
在OpenCV中，我們還可以使用等效直徑來衡量輪廓的特征值，該值是與輪廓面積相等的圓形的直徑。其數(shù)學(xué)計算公式為：
下面，我們來計算與輪廓面積相等的圓形直徑，代碼如下：
import cv2
import numpy as np
img = cv2.imread("26_1.jpg")
cv2.imshow("img", img)
# 轉(zhuǎn)換為灰度圖像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
contours, hierarchy = cv2.findContours(binary, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)
x, y, w, h = cv2.boundingRect(contours[0])
cntArea=cv2.contourArea(contours[0])#輪廓面積
equiDiameter=np.sqrt(4*cntArea/np.pi)
print(equiDiameter)
cv2.circle(img,(100,100),int(equiDiameter/2),(0,255,0),3)
cv2.imshow("img1",img)
cv2.waitKey()
cv2.destroyAllWindows()
運行之后，我們得到其等效直徑約為145：
方向
在OpenCV中，函數(shù)cv2.fitEllipse()可以用來構(gòu)建最優(yōu)擬合橢圓，還可以在返回值內(nèi)分別返回橢圓的中心點，軸長，旋轉(zhuǎn)角度信息。使用這種形式，能夠直觀地獲取橢圓的方向等信息。
函數(shù)cv2.fitEllipse()返回值為：
(x,y)：橢圓的中心點
(MA,ma)：橢圓水平方向軸與垂直方向軸的長度
angle：橢圓的旋轉(zhuǎn)角度
import cv2
img = cv2.imread("26_1.jpg")
cv2.imshow("img", img)
# 轉(zhuǎn)換為灰度圖像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
contours, hierarchy = cv2.findContours(binary, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)
ellipsis=cv2.fitEllipse(contours[0])
(x, y), (MA, ma), angle = cv2.fitEllipse(contours[0])
print((x, y), (MA, ma), angle)
cv2.ellipse(img, ellipsis, (0, 255, 0), 2)
cv2.imshow("img1", img)
cv2.waitKey()
cv2.destroyAllWindows()
本來就是橢圓圖，下面擬合后正好也是橢圓：
掩摸和像素點
有時候，我們還像獲取某對象的掩摸圖像及其對應(yīng)的點。在OpenCV中，它還提供了cv2.findNonZero()函數(shù)用于獲取一個圖像內(nèi)的輪廓點位置，其完整定義如下：
def findNonZero(src, idx=None):
src：要查找非零元素的圖像
idx：返回值，表示非0元素的索引位置。具體格式為（行號，列號）
下面，我們實測該函數(shù)，代碼如下：
import cv2
import numpy as np
img = cv2.imread("26_1.jpg")
cv2.imshow("img", img)
# 轉(zhuǎn)換為灰度圖像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
contours, hierarchy = cv2.findContours(binary, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)
mask=np.zeros(gray.shape,np.uint8)
cv2.drawContours(mask,[contours[0]],0,255,2)
pixelpoints=cv2.findNonZero(mask)
print(pixelpoints)
cv2.imshow("img1", mask)
cv2.waitKey()
cv2.destroyAllWindows()
運行之后，我們會得到輪廓點位置：
最大值，最小值以及它們的位置
在OpenCV中，它提供cv2.minMaxLoc()函數(shù)獲取指定對象內(nèi)最大值，最小值以及位置等信息，其完整定義如下：
def minMaxLoc(src, mask=None):
src：單通道圖像
mask：掩摸，通過使用掩摸圖像，得到掩膜指定區(qū)域內(nèi)的最值信息
該函數(shù)返回4個值：最小值，最大值，最小值位置，最大值位置。
下面，我們來獲取這些值，代碼如下：
import cv2
import numpy as np
img = cv2.imread("26_1.jpg")
cv2.imshow("img", img)
# 轉(zhuǎn)換為灰度圖像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
contours, hierarchy = cv2.findContours(binary, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)
mask = np.zeros(gray.shape, np.uint8)
cv2.drawContours(mask, [contours[0]], 0, 255, 2)
min, max, min_loc, max_loc = cv2.minMaxLoc(gray, mask)
print(min, max, min_loc, max_loc)
運行之后，控制臺輸出4個值：
平均顏色及平均灰度
在OpenCV中，它給我們提供cv2.mean()函數(shù)計算一個對象的平均顏色與平均灰度。其完整定義如下：
def mean(src, mask=None):
參數(shù)與上面兩個小節(jié)一樣，這里不在贅述。下面，我們來使用這個函數(shù)，代碼如下：
import cv2
import numpy as np
img = cv2.imread("26_1.jpg")
cv2.imshow("img", img)
# 轉(zhuǎn)換為灰度圖像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
contours, hierarchy = cv2.findContours(binary, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)
mask=np.zeros(gray.shape,np.uint8)
cv2.drawContours(mask,[contours[0]],0,255,2)
mean=cv2.mean(img,mask)
運行之后，輸出4個值：RGB以及A通道的均值：
極點
有時候，我們希望獲取某個對象內(nèi)的極點，比如最左，最右，最上，最下等。在OpenCV中，它給我們提供了以下方法進(jìn)行獲?。?/p>
left=tuple(cnt[cnt[:,:,0].argmin()][0]) right=tuple(cnt[cnt[:,:,0].argmax()][0]) top=tuple(cnt[cnt[:,:,1].argmin()][0]) bottom=tuple(cnt[cnt[:,:,1].argmax()][0])
下面，我們來通過這些方法獲取，代碼如下：
import cv2
import numpy as np
img = cv2.imread("26_1.jpg")
cv2.imshow("img", img)
# 轉(zhuǎn)換為灰度圖像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
contours, hierarchy = cv2.findContours(binary, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)
mask = np.zeros(img.shape, np.uint8)
cnt = contours[0]
left = tuple(cnt[cnt[:, :, 0].argmin()][0])
right = tuple(cnt[cnt[:, :, 0].argmax()][0])
top = tuple(cnt[cnt[:, :, 1].argmin()][0])
bottom = tuple(cnt[cnt[:, :, 1].argmax()][0])
print(left, right, top, bottom)
font = cv2.FONT_HERSHEY_SIMPLEX
cv2.putText(img, "left", left, font, 1, (0, 255, 0), 2)
cv2.putText(img, "right", right, font, 1, (0, 255, 0), 2)
cv2.putText(img, "top", top, font, 1, (0, 255, 0), 2)
cv2.putText(img, "bottom", bottom, font, 1, (0, 255, 0), 2)
cv2.imshow("result",img)
cv2.waitKey()
cv2.destroyAllWindows()
運行之后，值與效果如下：
到此這篇關(guān)于OpenCV-Python實現(xiàn)輪廓的特征值的文章就介紹到這了,更多相關(guān)OpenCV 輪廓的特征值內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
Django項目定期自動清除過期session的2種方法實例
如果用戶主動退出,session會自動清除,如果沒有退出就一直保留,記錄數(shù)越來越大,要定時清理沒用的session,下面這篇文章主要給大家介紹了關(guān)于Django項目定期自動清除過期session的2種方法,需要的朋友可以參考下2022-08-08
Selenium是一種常用的Web自動化測試工具，支持多種編程語言和多種瀏覽器，可以模擬用戶的交互行為，自動化地執(zhí)行測試用例和生成測試報告。Selenium基于瀏覽器驅(qū)動實現(xiàn)，結(jié)合多種定位元素的方法，可以實現(xiàn)各種復(fù)雜的Web應(yīng)用程序的測試2023-04-04
解決python多線程報錯:AttributeError: Can''t pickle local object問題
這篇文章主要介紹了解決python多線程報錯:AttributeError: Can't pickle local object問題，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2020-04-04
在Python 2.7即將停止支持時,我們?yōu)槟銕砹艘环輕ython 3.x遷移指南
這篇文章主要介紹了在Python 2.7即將停止支持時我們?yōu)槟銣?zhǔn)備了一份python 3.x遷移指南的相關(guān)資料,需要的朋友可以參考下2018-01-01
python腳本內(nèi)運行l(wèi)inux命令的方法
這篇文章主要介紹了python腳本內(nèi)運行l(wèi)inux命令的方法,實例分析了Python基于subprocess模塊操作Linux命令的相關(guān)技巧,需要的朋友可以參考下2015-07-07
這篇文章主要介紹了python可視化分析繪制帶趨勢線的散點圖和邊緣直方圖，文章圍繞主題展開詳細(xì)的內(nèi)容介紹，具有一定的參考價值，需要的小伙伴可以參考一下2022-06-06
在本篇文章里小編給大家整理的是關(guān)于python程序文件擴(kuò)展名知識點詳解內(nèi)容，需要的朋友們學(xué)習(xí)參考下。2020-02-02
這篇文章主要介紹了基于Python的接口自動化讀寫excel文件,本文給大家介紹的非常詳細(xì)，對大家的學(xué)習(xí)或工作具有一定的參考借鑒價值，需要的朋友可以參考下2021-01-01
只統(tǒng)計像素的灰度值這一特征，可將其成為一維直方圖。二維直方圖可以統(tǒng)計像素的色相和飽和度，用于查找圖像的顏色直方圖。本文將為大家介紹分別使用OpenCV和NumPy函數(shù)計算直方圖，需要的可以學(xué)習(xí)一下2021-12-12
在本篇文章中小編給各位分享的是關(guān)于python中append實例用法以及相關(guān)知識點，需要的朋友們可以學(xué)習(xí)下。2019-07-07