轮廓属性

上一篇教程: 轮廓特征
下一篇教程: 轮廓：更多函数
在这里，我们将学习提取对象的一些常用属性，如 Solidity（凸度）、等效直径、掩膜图像、平均强度等。更多特征可以在 Matlab regionprops 文档 中找到。

（注意：质心、面积、周长等也属于此类，但我们在上一章中已经见过。）

1. 宽高比

它是对象边界矩形的宽度与高度之比。

\[宽高比 = \frac{宽度}{高度}\]

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

2. 范围 (Extent)

范围是轮廓面积与边界矩形面积之比。

\[Extent = \frac{对象 \; 面积}{边界 \; 矩形 \; 面积}\]

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

3. 凸度 (Solidity)

坚实度是轮廓面积与其凸包面积之比。

\[坚实度 = \frac{轮廓面积}{凸包面积}\]

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

4. 等效直径

等效直径是面积与轮廓面积相同的圆的直径。

\[Equivalent \; Diameter = \sqrt{\frac{4 \times 轮廓 \; 面积}{\pi}}\]

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

5. 方向 (Orientation)

方向是对象指向的角度。以下方法还给出了主轴和短轴的长度。

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

6. 掩膜和像素点

在某些情况下，我们可能需要包含该对象的所有点。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（最后注释掉的行）来做同样的事情。结果也相同，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。所以基本上答案会互换。请注意， row = y 和 column = x。

7. 最大值、最小值及其位置

我们可以使用掩膜图像找到这些参数。

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对象的平均强度。我们再次使用相同的掩膜来做到这一点。

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

9. 极点

极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，我将获得以下结果

image

练习

1. matlab regionprops 文档中仍然遗留一些特征。尝试实现它们。