1 纵横比
它是对象的边界矩形的宽度与高度的比率.
$$ Rspect Ratio = \frac{Width}{Height} $$
x,y,w,h = cv2.boundingRect(cnt)
aspect_ratio = float(w)/h
2 Extent
轮廓面积和外接矩形面积的比值
$$ Extent = \frac{Object Area}{Bounding Rectangle Area} $$
area = cv2.contourArea(cnt)
x,y,w,h = cv2.boundingRect(cnt)
rect_area = w*h
extent = float(area)/rect_area
3 Solidity
轮廓面积与凸包面积的比
$$ Extent = \frac{Contou Area}{Convex Hull Area} $$
area = cv.contourArea(cnt)
hull = cv.convexHull(cnt)
hull_area = cv.contourArea(hull)
solidity = float(area)/hull_area
4 等效直径
与轮廓面积相等的圆形的直径
$$ Equivalent Diameter = \sqrt{\frac{4 \times\;Contou Area}{Convex Hull Area}}\quad $$
area = cv2.contourArea(cnt)
equi_diameter = np.sqrt(4*area/np.pi)
5 方向
方向是对象定向的角度。 以下方法还给出了主轴和短轴长度。
(x,y),(MA,ma),angle = cv2.fitEllipse(cnt)
6 掩模和像素点
在某些情况下,我们可能需要包含该对象的所有点.可以这样做:
mask = np.zeros(imgray.shape,np.uint8)
cv2.drawContours(mask,[cnt],0,255,-1)
pixelpoints = np.transpose(np.nonzero(mask))
#pixelpoints = cv2.findNonZero(mask)
这里,两个方法,一个使用Numpy函数,另一个使用OpenCV函数(最后一个注释行)给出相同的方法。 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。 所以答案基本上会互换。 请注意,row = x和column = y.
7 最大值和最小值及它们的位置
我们可以使用掩模图像得到这些参数:
min_val, max_val, min_loc, max_loc = cv2.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。 或者它可以是灰度模式下物体的平均强度。 我们再次使用掩模完成它.
ean_val = cv2.mean(im,mask = mask)
9 极点
目标最上面,最下面,最左边,最右边的点
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])