上一个教程： 轮廓：入门
下一个教程： 轮廓属性

目标

找到轮廓的不同特征，例如面积、周长、质心、边界框等
您将学习许多与轮廓相关的函数。

1. 矩

图像矩可帮助您计算一些特征，例如物体的质心、物体的面积等。请查看维基百科上的图像矩

我们使用函数：cv.moments (数组, binaryImage = false)

参数

array	栅格图像（单通道、8 位或浮点 2D 数组）或 2D 点的数组（1×N 或 N×1）。
binaryImage	如果为 true，则所有非零图像像素都视为 1。该参数仅用于图像。

尝试一下

通过这些矩，您可以提取有用的数据，例如面积、质心等。质心由关系式给出，\(C_x = \frac{M_{10}}{M_{00}}\) 和 \(C_y = \frac{M_{01}}{M_{00}}\)。可以按如下方式完成

let cx = M.m10/M.m00

let cy = M.m01/M.m00

2. 轮廓面积

轮廓面积由函数 cv.contourArea() 或矩 M['m00'] 给出。

我们使用函数：cv.contourArea (轮廓, oriented = false)

参数

contour	2D 点的输入向量（轮廓顶点）
oriented	面向区域标志。如果为 true，则该函数返回一个带符号的面积值，具体取决于轮廓方向（顺时针或逆时针）。使用此功能，您可以通过获取面积的符号来确定轮廓的方向。默认情况下，该参数为 false，这意味着返回绝对值。

尝试一下

3. 轮廓周长

也称为弧长。可以使用 cv.arcLength() 函数找到。

我们使用函数：cv.arcLength (曲线, closed)

参数

curve	2D 点的输入向量。
closed	标志，指示曲线是否闭合。

尝试一下

4. 轮廓近似

它根据我们指定的精度，将轮廓形状近似为顶点数量较少的另一个形状。它是 Douglas-Peucker 算法的实现。查看维基百科页面了解算法和演示。

我们使用函数：cv.approxPolyDP (曲线, approxCurve, epsilon, closed)

参数

curve	存储在 cv.Mat 中的 2D 点的输入向量。
approxCurve	近似的结果。类型应与输入曲线的类型匹配。
epsilon	参数，指定近似精度。这是原始曲线与其近似之间的最大距离。
closed	如果为 true，则近似曲线闭合（其第一个和最后一个顶点已连接）。否则，它不闭合。

尝试一下

5. 凸包

凸包看起来类似于轮廓近似，但事实并非如此（在某些情况下，两者可能会提供相同的结果）。在这里，cv.convexHull() 函数检查曲线的凸性缺陷并进行校正。一般来说，凸曲线是总是向外凸出或至少是平坦的曲线。如果向内凸出，则称为凸性缺陷。例如，检查下图中的手。红线显示手的凸包。双向箭头标记显示凸性缺陷，这些缺陷是凸包与轮廓的局部最大偏差。

image

我们使用函数：cv.convexHull (点, hull, clockwise = false, returnPoints = true)

参数

points	输入 2D 点集。
hull	输出凸包。
clockwise	方向标志。如果为 true，则输出凸包将按顺时针方向定向。否则，它将按逆时针方向定向。假定的坐标系使其 X 轴指向右侧，Y 轴指向上方。
returnPoints	操作标志。对于矩阵，当标志为 true 时，该函数返回凸包点。否则，它返回凸包点的索引。

尝试一下

6. 检查凸性

有一个函数可以检查曲线是否为凸曲线，cv.isContourConvex()。它只返回 True 或 False。没什么大不了的。

cv.isContourConvex(cnt);

7. 边界矩形

有两种类型的边界矩形。

7.a. 直立边界矩形

它是一个直立矩形，它不考虑对象的旋转。因此，边界矩形的面积不会是最小的。

我们使用函数：cv.boundingRect (点)

参数

points 输入 2D 点集。

尝试一下

7.b. 旋转矩形

这里，绘制的边界矩形具有最小面积，因此它也考虑旋转。

我们使用函数：cv.minAreaRect (点)

参数

points 输入 2D 点集。

尝试一下

8. 最小外接圆

接下来，我们使用函数 cv.minEnclosingCircle() 查找对象的周圆。它是一个完全覆盖对象且面积最小的圆。

我们使用函数：cv.minEnclosingCircle (点)

参数

points 输入 2D 点集。

cv.circle (img, center, radius, color, thickness = 1, lineType = cv.LINE_8, shift = 0)

参数

img	绘制圆的图像。
center	圆心。
radius	圆的半径。
color	圆的颜色。
thickness	圆轮廓的粗细，如果为正数。负粗细表示要绘制一个填充的圆。
lineType	圆形边界的类型。
移位 (shift)	中心坐标和半径值中的小数位数。

尝试一下

9. 拟合椭圆

下一个是将椭圆拟合到对象。它返回内接椭圆的旋转矩形。我们使用函数：cv.fitEllipse (点)

参数

points 输入 2D 点集。

cv.ellipse1 (img, box, color, thickness = 1, lineType = cv.LINE_8)

参数

img	图像。
box	通过 RotatedRect 的替代椭圆表示。这意味着该函数绘制一个内接在旋转矩形中的椭圆。
color	椭圆颜色。
thickness	椭圆弧轮廓的粗细，如果为正数。否则，这表示要绘制一个填充的椭圆扇区。
lineType	椭圆形边界的类型。

尝试一下

10. 拟合直线

同样，我们可以将直线拟合到一组点。我们可以将直线近似到它。

我们使用函数：cv.fitLine (点, line, distType, param, reps, aeps)

参数

points	输入 2D 点集。
line	输出直线参数。它应该是 4 个元素[vx, vy, x0, y0]的 Mat，其中 [vx, vy] 是与直线共线的归一化向量，[x0, y0] 是直线上的一个点。
distType	M 估计器使用的距离（参见 cv.DistanceTypes）。
param	某些类型的距离的数值参数 (C)。如果为 0，则选择最佳值。
reps	半径的足够精度（坐标原点与直线之间的距离）。
aeps	角度的足够精度。0.01 对于 reps 和 aeps 来说是一个不错的默认值。

cv.line (img, pt1, pt2, color, thickness = 1, lineType = cv.LINE_8, shift = 0)

参数

img	图像。
pt1	线段的第一个点。
pt2	线段的第二个点。
color	直线颜色。
thickness	直线粗细。
lineType	直线的类型。
移位 (shift)	点坐标中的小数位数。