python OpenCV学习笔记（十八）：轮廓属性

官方文档 – https://docs.opencv.org/3.4.0/d1/d32/tutorial_py_contour_properties.html

---

纵横比

它是物体的边界矩形的宽度与高度的比值。

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

Extent

Extent是轮廓面积和矩形边界面积的比值

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

Solidity

Solidity是轮廓面积和凸包面积的比值

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

等效直径

等效直径是指，与轮廓面积一样的圆的直径

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

方向

方向是指向物体的角度。下面的方法也给出了主轴和小轴的长度。

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

遮罩和像素点

在某些情况下，我们可能需要包含该对象的所有点。可以这样做：

mask = np.zeros(imgray, shape, np.uint8)
cv.drawContours(mask, [cnt], 0, 255, -1)
pixelpoints = np.transpose(np.nonzero(mask))
# pixelpoits = cv.findNoneZero(mask)

这里有两种方法，一种使用Numpy函数，另一种使用OpenCV函数(最后一个注释行)来执行相同的操作。结果也一样，但有一点不同。Numpy给出了(row行，column列)格式的坐标，而OpenCV给出了(x，y)格式的坐标。所以答案基本上是互换的。注意，row行=x和column列=y。

最大值，最小值和它们的位置

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)

平均色或平均强度

在这里，我们可以找到一个物体的平均颜色。也可以是灰度模式下物体的平均强度。我们还是用同样的遮罩来做这件事。

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

极端点

极端点指的是物体的最上面、最下方、最右边和最左边的点。

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])

例如，如果我把它应用到印度地图上，我得到如下结果：