OpenCV3 - 轮廓特征

本贴最后更新于 1847 天前,其中的信息可能已经沧海桑田

矩(Moments)

图像矩可以帮助你计算一些特征, 例如对象的质心, 对象的面积等等. 具体可参考 Image Moments

函数**cv.moments()** 返回一个所有矩值的字典

import numpy as np
import cv2 as cv
img = cv.imread('star.jpg',0)
ret,thresh = cv.threshold(img,127,255,0)
im2,contours,hierarchy = cv.findContours(thresh, 1, 2)
cnt = contours[0]
M = cv.moments(cnt)
print( M )

通过这些矩值, 你可以计算出有用的数据, 例如面积, 质心等等. 质心可以通过关系(Cx=M10/M00 and Cy=M01/M00)来获得. 通过如下计算获得

cx = int(M['m10']/M['m00'])
cy = int(M['m01']/M['m00'])

轮廓面积

轮廓面积可以通过函数**cv.contourArea()**获得, 或者通过 M['m00']

area = cv.contourArea(cnt)

轮廓周长

轮廓周长可以使用**cv.arcLength()** 获得. 第二个参数指定图形是否闭环(如果是则为 True), 否则只是一条曲线.

perimeter = cv.arcLength(cnt,True)

轮廓逼近

它逼近一个轮廓形状到另一个顶点数目较少的形状, 这取决于我们指定的精度. 它是 Douglas-Peucker algorithm 算法的一种实现.

函数 cv.approxPolyDP

第一个参数是轮廓

第二个参数称为 ε, 它是从轮廓到近似轮廓的最大距离. 这是一个准确的参数。为了得到正确的输出, 需要明智地选择 ε。

epsilon = 0.1*cv.arcLength(cnt,True)
approx = cv.approxPolyDP(cnt,epsilon,True)

如下的第二张图是 ε 设定为 10% 的结果, 第三张图是 ε 设定为 1% 的结果.

approx.jpg

边框

直边界矩形

x,y,w,h = cv.boundingRect(cnt)
cv.rectangle(img,(x,y),(x+w,y+h),(0,255,0),2)

旋转矩形

rect = cv.minAreaRect(cnt)
box = cv.boxPoints(rect)
box = np.int0(box)
cv.drawContours(img,[box],0,(0,0,255),2)

绿框是直边界矩形, 红框是旋转矩形

boundingrect.png

参考文件

Contour Features

相关帖子

欢迎来到这里!

我们正在构建一个小众社区,大家在这里相互信任,以平等 • 自由 • 奔放的价值观进行分享交流。最终,希望大家能够找到与自己志同道合的伙伴,共同成长。

注册 关于
请输入回帖内容 ...