上一教程： 轮廓特征
下一教程： 轮廓：更多功能
本文中，我们将学习如何提取对象的一些常用属性，例如，坚固度、等效直径、蒙版图像、平均强度等。更多特征可在 Matlab regionprops 文档 中找到。
*(注意：质心、面积、周长等也属于该类别，但我们已在上一章中看到它们)*
1. 宽高比
它是对象的边界矩形宽度与高度的比率。
\[宽高比 = \frac{宽度}{高度}\]
aspect_ratio = float(w)/h
Rect boundingRect(InputArray array)
计算点集或灰度图像的非零像素的右上方边界矩形。
2. 展度
展度是轮廓面积与边界矩形面积的比率。
\[展度 = \frac{目标面积}{边界矩形面积}\]
rect_area = w*h
extent = float(area)/rect_area
double contourArea(InputArray contour, bool oriented=false)
计算轮廓面积。
3. 坚固度
坚固度是轮廓面积与其凸包面积的比率。
\[坚固度 = \frac{轮廓面积}{凸包面积}\]
solidity = float(area)/hull_area
void convexHull(InputArray points, OutputArray hull, bool clockwise=false, bool returnPoints=true)
查找点集的凸包。
4. 等效直径
等效直径是面积与轮廓面积相同的圆的直径。
\[等效直径 = \sqrt{\frac{4 \times 轮廓面积}{\pi}}\]
equi_diameter = np.sqrt(4*area/np.pi)
5. 方向
方向是目标的指向角。以下方法还给出主轴和副轴的长度。
RotatedRect fitEllipse(InputArray points)
围绕一组二维点拟合椭圆。
6. 遮罩和像素点
在某些情况下，我们可能需要构成该对象的各个点。可按照如下方式执行
mask = np.zeros(imgray.shape,np.uint8)
pixelpoints = np.transpose(np.nonzero(mask))
void drawContours(InputOutputArray image, InputArrayOfArrays contours, int contourIdx, const Scalar &color, int thickness=1, int lineType=LINE_8, InputArray hierarchy=noArray(), int maxLevel=INT_MAX, Point offset=Point())
绘制轮廓线或填充轮廓。
此处提供了两种方法，一种使用 Numpy 函数，另一种使用 OpenCV 函数（最后一行注释），其效果相同。结果也相同，但略有差异。Numpy 以 **(row, column)** 格式给出坐标，而 OpenCV 以 **(x,y)** 格式给出坐标。因此，基本上答案将互换。请注意，行 = y 且 列 = x。
7. 最大值、最小值及其位置
我们可以使用掩模图像查找这些参数。
min_val, max_val, min_loc, max_loc =
cv.minMaxLoc(imgray,mask = mask)
void minMaxLoc(InputArray src, double *minVal, double *maxVal=0, Point *minLoc=0, Point *maxLoc=0, InputArray mask=noArray())
在数组中查找全局最小值和最大值。
8. 平均颜色或平均强度
以下可查找对象的平均颜色。或者，它可以是灰度模式下对象的平均强度。我们将再次使用相同的掩模来执行此操作。
Scalar mean(InputArray src, InputArray mask=noArray())
计算数组元素的平均值（均值）。
9. 极值点
极值点表示对象的最高点、最低点、最右点和最左点。
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，如果将其应用到印度地图，我将获得以下结果
image
其他资源
练习
- MATLAB regionprops 文档中仍有一些功能。尝试实现它们。
1.9.8