Contour Properties

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])