上一教程： 轮廓特征
下一教程： 轮廓：更多函数
在这里，我们将学习提取一些常用对象的属性，例如：实体度、等效直径、掩模图像、平均强度等。更多特性可以在Matlab regionprops文档中找到。

(注意：质心、面积、周长等也属于此类，但我们在上一章已经介绍过)

1. 长宽比

它是对象边界矩形的宽高比。

\[长宽比 = \frac{宽度}{高度}\]

x,y,w,h = cv.boundingRect(cnt)

aspect_ratio = float(w)/h

cv::boundingRect

Rect boundingRect(InputArray array)

计算点集或灰度图像非零像素的右上角边界矩形。

2. 范围

范围是轮廓面积与边界矩形面积的比值。

\[范围 = \frac{对象面积}{边界矩形面积}\]

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

3. 实体度

实体度是轮廓面积与其凸包面积的比值。

\[实体度 = \frac{轮廓面积}{凸包面积}\]

area = cv.contourArea(cnt)
hull = cv.convexHull(cnt)
hull_area = cv.contourArea(hull)
solidity = float(area)/hull_area

4. 等效直径

等效直径是指与轮廓面积相同的圆的直径。

\[等效直径 = \sqrt{\frac{4 \times 轮廓面积}{\pi}}\]

area = cv.contourArea(cnt)

equi_diameter = np.sqrt(4*area/np.pi)

5. 方向

方向是指对象指向的角度。以下方法还给出长轴和短轴的长度。

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

cv::fitEllipse

RotatedRect fitEllipse(InputArray points)

拟合一组二维点周围的椭圆。

6. 掩模和像素点

在某些情况下，我们可能需要构成该对象的所有点。可以按如下方式完成

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

这里给出了两种方法，一种使用Numpy函数，另一种使用OpenCV函数（最后一行注释）。结果也是相同的，但略有不同。Numpy以(行，列)格式给出坐标，而OpenCV以(x,y)格式给出坐标。因此，答案基本上会互换。请注意，行 = y，列 = x。

7. 最大值、最小值及其位置

我们可以使用掩模图像找到这些参数。

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

cv::minMaxLoc

void minMaxLoc(InputArray src, double *minVal, double *maxVal=0, Point *minLoc=0, Point *maxLoc=0, InputArray mask=noArray())

查找数组中的全局最小值和最大值。

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。或者它可以是灰度模式下对象的平均强度。我们再次使用相同的掩模来执行此操作。

mean_val = cv.mean(im,mask = mask)

cv::mean

Scalar mean(InputArray src, InputArray mask=noArray())

计算数组元素的平均值。

9. 极值点

极值点是指对象的最高点、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，如果我将其应用于印度地图，我将得到以下结果

图像

练习

matlab regionprops文档中还有一些特性。尝试实现它们。