python opencv入门 轮廓的性质(19)
2017-08-04 11:17
435 查看
内容来自OpenCV-Python Tutorials 自己翻译整理
长宽比:
边界矩形的宽高比
AspectRation=WidthHeight
面积比
轮廓面积与边界矩形的面积比
Extent=ObjectAreaBoundingRectangleArea
凸包面积比
轮廓面积与凸包面积的比
Solidity=ContourAreaConvexHullArea
轮廓直径
与轮廓面积相等的圆形的直径
EquivalentDiameter=4×ContourAreaπ−−−−−−−−−−√
长短轴方向
对象的方向,下面的方法还会返回长轴和短轴的长度
蒙板与像素
有时我们需要目标对象在图像里所有像素信息
(这里没使用灰度图)
此处使用了两种方法,分别为numpy的函数和使用opencv的函数。结果相同,但是numpy给出的是行列值,而opencv给出的是(x,y)形式
最大值和最小值及位置
要用到mask 像素蒙板
平均颜色和平均灰度
可以使用相同的蒙板求一个对象的平均颜色或平均灰度
极值点
就是求图像中某个对象的最高、最低、最左、最右的点
长宽比:
边界矩形的宽高比
AspectRation=WidthHeight
import cv2 import numpy as np img = cv2.imread('3.jpg',0) #ret,thresh = cv2.threshold(img,127,255,0) img,contours,hierarchy = cv2.findContours(img, 1, 2) cnt = contours[1] x,y,w,h = cv2.boundingRect(cnt)#获取边界 aspect_ratio = float(w)/h#计算比率 print(aspect_ratio)
面积比
轮廓面积与边界矩形的面积比
Extent=ObjectAreaBoundingRectangleArea
import cv2 import numpy as np img = cv2.imread('3.jpg',0) #ret,thresh = cv2.threshold(img,127,255,0) img,contours,hierarchy = cv2.findContours(img, 1, 2) cnt = contours[1] area = cv2.contourArea(cnt)#获取轮廓面积 x,y,w,h = cv2.boundingRect(cnt)#获取边界 rect_area = w*h extent = float(area)/rect_area print(extent)
凸包面积比
轮廓面积与凸包面积的比
Solidity=ContourAreaConvexHullArea
import cv2 import numpy as np img = cv2.imread('3.jpg',0) #ret,thresh = cv2.threshold(img,127,255,0) img,contours,hierarchy = cv2.findContours(img, 1, 2) cnt = contours[1] area = cv2.contourArea(cnt) hull = cv2.convexHull(cnt) hull_area = cv2.contourArea(hull) solidity = float(area)/hull_area print(solidity)
轮廓直径
与轮廓面积相等的圆形的直径
EquivalentDiameter=4×ContourAreaπ−−−−−−−−−−√
import cv2 import numpy as np img = cv2.imread('3.jpg',0) #ret,thresh = cv2.threshold(img,127,255,0) img,contours,hierarchy = cv2.findContours(img, 1, 2) cnt = contours[1] area = cv2.contourArea(cnt) equi_diameter = np.sqrt(4*area/np.pi) print(equi_diameter)
长短轴方向
对象的方向,下面的方法还会返回长轴和短轴的长度
(x,y),(MA,ma),angle = cv2.fitEllipse(cnt)
蒙板与像素
有时我们需要目标对象在图像里所有像素信息
(这里没使用灰度图)
import cv2 import numpy as np img = cv2.imread('3.jpg',0) #ret,thresh = cv2.threshold(img,127,255,0) img,contours,hierarchy = cv2.findContours(img, 1, 2) cnt = contours[1] mask = np.zeros(img.shape,np.uint8) cv2.drawContours(mask,[cnt],0,255,-1) pixelpoints = np.transpose(np.nonzero(mask))#像素
此处使用了两种方法,分别为numpy的函数和使用opencv的函数。结果相同,但是numpy给出的是行列值,而opencv给出的是(x,y)形式
最大值和最小值及位置
要用到mask 像素蒙板
min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(img,mask = mask)
平均颜色和平均灰度
可以使用相同的蒙板求一个对象的平均颜色或平均灰度
import cv2 import numpy as np img = cv2.imread('3.jpg',0) #ret,thresh = cv2.threshold(img,127,255,0) img,contours,hierarchy = cv2.findContours(img, 1, 2) cnt = contours[1] mask = np.zeros(img.shape,np.uint8) mean_val = cv2.mean(img,mask = mask) print(mean_val)
极值点
就是求图像中某个对象的最高、最低、最左、最右的点
import cv2 import numpy as np img = cv2.imread('3.jpg',0) #ret,thresh = cv2.threshold(img,127,255,0) img,contours,hierarchy = cv2.findContours(img, 1, 2) cnt = contours[1] 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]) print(leftmost)
相关文章推荐
- 【opencv】Opencv(Python) 教程-轮廓(3)轮廓的性质
- python opencv入门 轮廓(17)
- python opencv入门 更多关于轮廓的函数(20)
- python opencv入门 轮廓的层次结构(21)
- python opencv入门 轮廓特征(18)
- Opencv(Python) 教程-轮廓(3)轮廓的性质
- Python入门--19--else语句、with语句
- 【OpenCV入门指南】第五篇 轮廓检测 上
- Dlib+opencv实时提取人脸轮廓(windows环境下//Dlib配置入门)
- 【OpenCV入门指南】第五篇 轮廓检测 上
- python opencv入门 程序性能检测(8)
- OpenCV-Python实现轮廓检测实例分析
- Python OpenCV学习笔记之:图像轮廓处理
- Python入门Pip安装及Opencv的配置
- 【OpenCV入门指南】第五篇轮廓检测 下
- python opencv入门 分水岭算法(29)
- python opencv入门 直方图均衡化(22)
- python opencv入门 傅里叶变换(25)
- 【opencv】Opencv(Python) 教程-轮廓(4)凹缺陷(凸缺陷)/点与轮廓关系/形状匹配
- python opencv入门 2D直方图(23)