1.特征矩
主要使用cv.moments()函数来实现。
cv.moments ( InputArray array, bool binaryImage = false )
参数如下:
- array:输入数组,可以是光栅图像(单通道,8-bit或浮点型二维数组),或者是一个二维数组(1 X N或N X 1),二维数组类型为Point或Point2f
- binaryImage:默认值是false,如果为true,则所有非零的像素都会按值1对待,也就是说相当于对图像进行了二值化处理,阈值为1,此参数仅对图像有效
代码示例:
import cv2 as cv
img = cv.imread('C:\\Users\\dell\\Desktop\\prac files\\logo1.jpg')
img_gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
ret, dst = cv.threshold(img_gray, 127, 255, 0)
contours, hierarchy = cv.findContours(dst, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)
cnt = contours[0]
M = cv.moments(cnt)
print(M)
2.轮廓面积
主要使用cv.contourArea()函数来实现。
cv.contourArea ( InputArray contour, bool oriented = false )
参数如下:
- contour:是一个向量,二维点,可以是vector或Mat类型
- oriented:有默认值false,面向区域标识符,如果为true,该函数返回一个带符号的面积,其正负取决于轮廓的方向(顺时针还是逆时针)。根据这个特性可以根据面积的符号来确定轮廓的位置。如果是默认值false,则面积以绝对值的形式返回
代码示例:
import cv2 as cv
img = cv.imread('C:\\Users\\dell\\Desktop\\prac files\\logo1.jpg')
img_gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
ret, dst = cv.threshold(img_gray, 127, 255, 0)
contours, hierarchy = cv.findContours(dst, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)
cnt = contours[0]
area = cv.contourArea(cnt)
print(area)
3.轮廓周长
主要使用cv.arcLength()函数来实现。
cv.arcLength ( InputArray curve, bool closed )
参数如下:
- curve:输入二维点集,Mat类型
- closed:曲线是否封闭的标志位,true则封闭否则不封闭
代码示例:
import cv2 as cv
img = cv.imread('C:\\Users\\dell\\Desktop\\prac files\\logo1.jpg')
img_gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
ret, dst = cv.threshold(img_gray, 127, 255, 0)
contours, hierarchy = cv.findContours(dst, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)
cnt = contours[0]
perimeter = cv.arcLength(cnt,True)
print(perimeter)
4.轮廓近似
主要使用cv.approxPolyDP()函数来实现。
cv.approxPolyDP(InputArray curve, OutputArray approxCurve, double epsilon, bool closed)
参数如下:
- InputArray curve:输入曲线
- OutputArray approxCurve:输出折线
- double epsilon:判断点到相对应的line segment的距离的阈值(距离大于此阈值则舍弃,小于此阈值则保留,epsilon越小,折线的形状越“接近”曲线)
- bool closed:曲线是否闭合的标志位
代码示例:
import cv2 as cv
img = cv.imread('C:\\Users\\dell\\Desktop\\prac files\\prac6.png')
img_gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
cv.namedWindow("prac", 0)
ret, dst = cv.threshold(img_gray, 127, 255, 0)
contours, hierarchy = cv.findContours(dst, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)
cnt = contours[0]
approx = cv.approxPolyDP(cnt, 0.001*perimeter, True)
cv.drawContours(img, approx, -1, (255, 0, 0), 10)
cv.imshow("prac", img)
cv.waitKey(0)
5.轮廓凸包
主要使用cv.convexHull()函数来实现。
hull = cv.convexHull(points[, hull[, clockwise[, returnPoints]]
参数如下:
- points:轮廓点集
- hull:输出凸包
- clockwise:方向标记。如果为True,则输出凸包为顺时针方向。否则,其方向为逆时针方向
- returnPoints:默认情况下为True。然后返回凸包的坐标。如果为False,则返回与凸包点相对应的轮廓点的索引
代码示例:
import cv2 as cv
img = cv.imread('C:\\Users\\dell\\Desktop\\prac files\\prac6.png')
img_gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
ret, dst = cv.threshold(img_gray, 127, 255, 0)
contours, hierarchy = cv.findContours(dst, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)
cnt = contours[0]
hull = cv.convexHull(cnt, returnPoints=False)
print(hull)
6.检查凸度
主要使用cv.isContourConvex()函数来实现。函数具有检查曲线是否凸出的功能,返回True或False。
cv.isContourConvex(points)
参数如下:
代码示例:
import cv2 as cv
img = cv.imread('C:\\Users\\dell\\Desktop\\prac files\\prac6.png')
img_gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
ret, dst = cv.threshold(img_gray, 127, 255, 0)
contours, hierarchy = cv.findContours(dst, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)
cnt = contours[0]
print(cv.isContourConvex(cnt))
7.边界矩形
有两种类型的边界矩形:直角矩形和旋转矩形。
直角矩形
主要使用cv.boundingRect()函数来实现。
cv2.boundingRect(points)
参数如下:
函数返回四个值,分别是x,y,w,h;(x,y)是矩形左上点的坐标,w,h是矩形的宽和高。
代码示例:
import cv2 as cv
img = cv.imread('C:\\Users\\dell\\Desktop\\prac files\\prac8.jpg')
img_gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
cv.namedWindow("prac", 0)
ret, dst = cv.threshold(img_gray, 127, 255, 0)
contours, hierarchy = cv.findContours(dst, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)
cnt = contours[0]
x, y, w, h = cv.boundingRect(cnt)
cv.rectangle(img, (x, y), (x+w, y+h), (255, 0, 0), 2)
cv.imshow("prac", img)
cv.waitKey(0)
cv.destroyAllWindows()
旋转矩形
主要使用cv.minAreaRect()函数来实现。
cv.minAreaRect(points)
参数如下:
函数返回一个Box2D结构,包含最小外接矩形的(中心(x,y), (宽,高), 旋转角度),之后再使用cv.boxPoints()函数获取矩形的四个顶点坐标。
代码示例:
import cv2 as cv
img = cv.imread('C:\\Users\\dell\\Desktop\\prac files\\prac8.jpg')
img_gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
cv.namedWindow("prac", 0)
ret, dst = cv.threshold(img_gray, 127, 255, 0)
contours, hierarchy = cv.findContours(dst, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)
cnt = contours[0]
rect = cv.minAreaRect(cnt)
box = cv.boxPoints(rect)
box = np.int0(box)
cv.drawContours(img, [box], 0, (0, 0, 255), 2)
cv.imshow("prac", img)
cv.waitKey(0)
cv.destroyAllWindows()
8.最小闭合圈
主要使用cv.minEnclosingCircle()函数来实现。
cv.minEnclosingCircle(InputArray points);
参数如下:
函数输出圆的圆心(x, y)以及圆的半径。
代码示例:
import cv2 as cv
img = cv.imread('C:\\Users\\dell\\Desktop\\prac files\\prac8.jpg')
img_gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
cv.namedWindow("prac", 0)
ret, dst = cv.threshold(img_gray, 127, 255, 0)
contours, hierarchy = cv.findContours(dst, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)
cnt = contours[0]
(x, y), radius = cv.minEnclosingCircle(cnt)
center = (int(x),int(y))
radius = int(radius)
cv.circle(img, center, radius, (0, 255, 0), 2)
cv.imshow("prac", img)
cv.waitKey(0)
cv.destroyAllWindows()
9.拟合一个椭圆
主要使用cv.fitEllipse()函数来实现。
ellipse = cv.fitEllipse(points)
参数如下:
函数返回值:ellipse = [ (x, y) , (a, b), angle ] (x, y)代表椭圆中心点的位置 (a, b)代表长短轴长度,应注意a、b为长短轴的直径,而非半径 angle 代表了中心旋转的角度
代码示例:
import cv2 as cv
img = cv.imread('C:\\Users\\dell\\Desktop\\prac files\\prac8.jpg')
img_gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
cv.namedWindow("prac", 0)
ret, dst = cv.threshold(img_gray, 127, 255, 0)
contours, hierarchy = cv.findContours(dst, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)
cnt = contours[0]
ellipse = cv.fitEllipse(cnt)
cv.ellipse(img, ellipse, (0, 255, 0), 2)
cv.imshow("prac", img)
cv.waitKey(0)
cv.destroyAllWindows()
10.拟合直线
主要使用cv.fitLine()函数来实现。
cv2.fitLine(InputArray points, distType, param, reps, aeps)
参数如下:
- Points: 待拟合的直线的集合,必须是矩阵形式
- distType:距离类型。这里的距离的类型有以下几种:
参数名称 | 含义 |
---|
cv2.DIST_USER | User defined distance | cv2.DIST_L1 | distance =abs(x1-x2) + abs(y1-y2) | cv2.DIST_L2 | 欧式距离,此时与最小二乘法相同 | cv2.DIST_C | distance = max(abs(x1-x2),(y1-y2)) | cv2.DIST_L12 | L1-L2 metric: distance = 2(sqrt(1+x*x/2) - 1)) | cv2.DIST_FAIR | distance = c^2(abs(x)/c-log(1+abs(x)/c)), c = 1.3998 | cv2.DIST_WELSCH | distance = c2/2(1-exp(-(x/c)2)), c = 2.9846 | cv2.DIST_HUBER | distance = abs(x)<c ? x^2/2 : c(abs(x)-c/2), c=1.345 |
- param: 距离参数,跟所选的距离类型有关,值可以设置为0。
- reps, aeps: 第5/6个参数用于表示拟合直线所需要的径向和角度精度,通常情况下两个值均被设定为1e-2.
代码示例:
import cv2 as cv
img = cv.imread('C:\\Users\\dell\\Desktop\\prac files\\prac8.jpg')
img_gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
cv.namedWindow("prac", 0)
ret, dst = cv.threshold(img_gray, 127, 255, 0)
contours, hierarchy = cv.findContours(dst, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)
cnt = contours[0]
rows, cols = img.shape[:2]
[vx, vy, x, y] = cv.fitLine(cnt, cv.DIST_L2, 0, 0.01, 0.01)
lefty = int((-x*vy/vx) + y)
righty = int(((cols-x)*vy/vx)+y)
cv.line(img, (cols-1, righty), (0, lefty), (0, 255, 0), 2)
cv.imshow("prac", img)
cv.waitKey(0)
cv.destroyAllWindows()
|