OpenCV---对象测量

一：获取图像的外接矩形boundingRect和几何距moments

import cv2 as cv

import numpy as np

def measure_object(image):

    gray = cv.cvtColor(image,cv.COLOR_BGR2GRAY) #转灰度图像

    ret, binary = cv.threshold(gray,,,cv.THRESH_OTSU|cv.THRESH_BINARY_INV)  #获取二值化图像

    print("thresold value:",ret)

    cv.imshow("binary image",binary)

    outImage,contours,hireachy = cv.findContours(binary,cv.RETR_EXTERNAL,cv.CHAIN_APPROX_SIMPLE)

    for i,contour in enumerate(contours):

        area = cv.contourArea(contour)      #获取每个轮廓面积

        x,y,w,h = cv.boundingRect(contour)     #获取轮廓的外接矩形

        rate = min(w,h)/max(w,h)    #获取外接矩形宽高比，可以起到一定的筛选作用

        print("rectangle rate:%s"%rate)

        mm = cv.moments(contour)            #求取轮廓的几何距

        print(type(mm))

        print(mm)

        cx = mm['m10']/mm['m00']

        cy = mm['m01']/mm['m00']

        cv.circle(image,(np.int(cx),np.int(cy)),,(,,),-) #根据几何距获取的中心点，画出中心圆

        cv.rectangle(image,(x,y),(x+w,y+h),(,,),) #根据轮廓外接矩形返回数据，画出外接矩形

        print("contour area:",area)

    cv.imshow("measure_object",image)

src = cv.imread("./dg.png")  #读取图片

cv.namedWindow("input image",cv.WINDOW_AUTOSIZE)    #创建GUI窗口,形式为自适应

cv.imshow("input image",src)    #通过名字将图像和窗口联系

measure_object(src)

cv.waitKey()   #等待用户操作，里面等待参数是毫秒，我们填写0，代表是永远，等待用户操作

cv.destroyAllWindows()  #销毁所有窗口

mm-->{'m02': 3301.25, 'm12': 233530.03333333333, 'm30': 6934377.600000001, 'mu11': -10.721153846156085, 'm21': 1265395.2, 'nu02': 0.08336283484212434, 'm01': 252.5, 'mu30': -12.458842864260077, 'nu21': 0.003451665836783194, 'mu12': 11.46577909273492, 'nu12': 0.006828369938345303, 'mu02': 31.698717948717785, 'mu21': 5.795825115486707, 'm03': 43556.350000000006, 'nu30': -0.007419782588937784, 'm20': 97840.41666666666, 'm00': 19.5, 'm10': 1381.0, 'nu20': 0.09806301522275791, 'mu03': -11.52064431294275, 'm11': 17871.458333333332, 'nu03': -0.0068610445623109115, 'mu20': 37.2884615384537, 'nu11': -0.028195013402119877}

二：多边形逼近approxPolyDP

import cv2 as cv

import numpy as np

def measure_object(image):

    gray = cv.cvtColor(image,cv.COLOR_BGR2GRAY) #转灰度图像

    ret, binary = cv.threshold(gray,,,cv.THRESH_OTSU|cv.THRESH_BINARY)  #获取二值化图像

    cv.imshow("binary image",binary)

    dst = cv.cvtColor(binary,cv.COLOR_GRAY2BGR)

    outImage,contours,hireachy = cv.findContours(binary,cv.RETR_EXTERNAL,cv.CHAIN_APPROX_SIMPLE)

    for i,contour in enumerate(contours):

        mm = cv.moments(contour)            #求取轮廓的几何距

        cx = mm['m10']/mm['m00']

        cy = mm['m01']/mm['m00']

        cv.circle(dst,(np.int(cx),np.int(cy)),,(,,),-) #画出中心点

        approxCurve = cv.approxPolyDP(contour,,True)   #4是与阈值的间隔大小，越小越易找出，True是是否找闭合图像

        print(approxCurve.shape)

        if approxCurve.shape[] >= :

            cv.drawContours(dst,contours,i,(,,),)　　#画出轮廓

        elif approxCurve.shape[] == :

            cv.drawContours(dst,contours,i,(,,),)

        else:

            cv.drawContours(dst,contours,i,(,,),)

    cv.imshow("measure_object",dst)

src = cv.imread("./lk.png")  #读取图片

cv.namedWindow("input image",cv.WINDOW_AUTOSIZE)    #创建GUI窗口,形式为自适应

cv.imshow("input image",src)    #通过名字将图像和窗口联系

measure_object(src)

cv.waitKey()   #等待用户操作，里面等待参数是毫秒，我们填写0，代表是永远，等待用户操作

cv.destroyAllWindows()  #销毁所有窗口

相关知识补充

（一）相关函数方法

cv.contourArea(contour)      #获取每个轮廓面积

cv.boundingRect(contour)     #获取轮廓的外接矩形

cv.moments(contour)          #求取轮廓的几何距

cv.arcLength(contour,True)　　#求取轮廓的周长，指定闭合

（二）approxPolyDP轮廓逼近方法

approxCurve = cv.approxPolyDP(contour,,True)   #4是与阈值的间隔大小，越小越易找出，True是是否找闭合图像

def approxPolyDP(curve, epsilon, closed, approxCurve=None): # real signature unknown; restored from __doc__

第一个参数curve：输入的点集，直接使用轮廓点集contour

第二个参数epsilon：指定的精度，也即是原始曲线与近似曲线之间的最大距离。

第三个参数closed：若为true,则说明近似曲线是闭合的，反之，若为false，则断开。

第四个参数approxCurve：输出的点集，当前点集是能最小包容指定点集的。画出来即是一个多边形；

返回值

approxCurve：输出的点集，当前点集是能最小包容指定点集的。画出来即是一个多边形；

print(approxCurve)　　#打印每个轮廓的特征点

print(approxCurve.shape)　　#打印该点集的shape，第一个数是代表了点的个数，也就是边长连接逼近数

[[[ ]]

 [[ ]]

 [[ ]]

 [[ ]]]

(, , )　　#矩形，四个点逼近图像

[[[ ]]

 [[ ]]

 [[ ]]

 [[ ]]]

(, , )

[[[  ]]

 [[   ]]

 [[ ]]]

(, , )　　#3是三角形

[[[ ]]

 [[ ]]

 [[ ]]

 [[ ]]

 [[ ]]

 [[ ]]

 [[ ]]]

(, , )　　#7,8,9都是圆形类

[[[  ]]

 [[  ]]

 [[  ]]

 [[ ]]

 [[ ]]

 [[ ]]

 [[  ]]

 [[  ]]]

(, , )

[[[  ]]

 [[  ]]

 [[  ]]

 [[  ]]

 [[  ]]

 [[  ]]

 [[  ]]]

(, , )

[[[  ]]

 [[  ]]

 [[  ]]

 [[ ]]

 [[ ]]

 [[ ]]

 [[ ]]

 [[  ]]

 [[  ]]]

(, , )

[[[   ]]

 [[   ]]

 [[  ]]

 [[  ]]]

(, , )

[[[  ]]

 [[ ]]

 [[ ]]

 [[  ]]]

(, , )

[[[  ]]

 [[  ]]

 [[ ]]

 [[ ]]

 [[ ]]

 [[ ]]

 [[  ]]

 [[  ]]]

(, , )