opencv使用python3.6.6可以吗？OpenCV-Python轮廓属性

opencv使用python3.6.6可以吗？OpenCV-Python轮廓属性area = cv.contourArea(cnt) x y w h = cv.boundingRect(cnt) rect_area = w*h extent = float(area)/rect_area3. 坚实度坚实度是等高线面积与其凸包面积之比。x y w h = cv.boundingRect(cnt) aspect_ratio = float(w)/h2. 范围范围是轮廓区域与边界矩形区域的比值。

目标

在这里，我们将学习提取一些常用的物体属性，如坚实度，等效直径，掩模图像，平均强度等。更多的功能可以在matlab regionprops文档中找到。

(注:质心、面积、周长等也属于这一类，但我们在上一章已经见过)

1. 长宽比

它是对象边界矩形的宽度与高度的比值。

x y w h = cv.boundingRect(cnt) aspect_ratio = float(w)/h2. 范围

范围是轮廓区域与边界矩形区域的比值。

area = cv.contourArea(cnt) x y w h = cv.boundingRect(cnt) rect_area = w*h extent = float(area)/rect_area3. 坚实度

坚实度是等高线面积与其凸包面积之比。

area = cv.contourArea(cnt) hull = cv.convexHull(cnt) hull_area = cv.contourArea(hull) solidity = float(area)/hull_area4. 等效直径

等效直径是面积与轮廓面积相同的圆的直径。

area = cv.contourArea(cnt) equi_diameter = np.sqrt(4*area/np.pi)5. 取向

取向是物体指向的角度。以下方法还给出了主轴和副轴的长度。

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

6. 掩码和像素点

在某些情况下，我们可能需要构成该对象的所有点。可以按照以下步骤完成：

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

这里提供了两个方法，一个使用Numpy函数，另一个使用OpenCV函数(最后的注释行)。结果也是一样的，只是略有不同。Numpy给出的坐标是(行、列)格式，而OpenCV给出的坐标是(x y)格式。所以基本上答案是可以互换的。注意，row = x column = y。

7. 最大值，最小值和它们的位置

我们可以使用掩码图像找到这些参数。

min_val max_val min_loc max_loc = cv.minMaxLoc(imgray mask = mask)

8. 平均颜色或平均强度

在这里，我们可以找到对象的平均颜色。或者可以是灰度模式下物体的平均强度。我们再次使用相同的掩码进行此操作。

mean_val = cv.mean(im mask = mask)

9. 极端点

极点是指对象的最顶部，最底部，最右侧和最左侧的点。

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，如果我将其应用于印度地图，则会得到以下结果：

练习

1. matlab的regionprops doc中仍然有一些特性。试着去实现它们。