import cv2
import numpy as np
# .高寬比
# 函式cv2.moments()會給你乙個字典，包含所有矩值
m = cv2.moments(cnt)
# 這是目標的邊界矩形的寬高比
x,y,w,h=cv2.boundingrect(cnt)
aspect_ratio=
float
(w)/h
# extent
# extent是輪廓面積和邊界矩形面積的比率
area = cv2.contourarea(cnt)
x,y,w,h = cv2.boundingrect(cnt)
rect_area = w*h
extent =
float
(area)
/rect_area
# solidity
# 是輪廓面積和凸形外殼面積的比率
area = cv2.contourarea(cnt)
hull = cv2.convexhull(cnt)
hull_area = cv2.contourarea(hull)
solidity =
float
(area)
/hull_area
# 等價半徑
# 是面積和輪廓面積一樣的圓的半徑
area=cv2.contourarea(cnt)
equi_diameter=np.sqrt(
4*area/np.pi)
# .方向
# 目標的方向角度。下面的方法可以得到長軸和短軸長度
(x,y)
,(ma,ma)
,angle=cv2.fitellipse(cnt)
# 構成目標的所有點
# 這裡，兩個方法，乙個使用numpy函式，另乙個使用opencv函式（最後的注釋行）達到同樣目的。結果也是相同的。
# 不同的一點是numpy給的座標是(row, column)格式，而opencv給的座標是(x, y)格式，所以基本上結果可以互相轉換。row = x ， column = y
mask = np.zeros(imgray.shape,np.uint8)
cv2.drawcontours(mask,
[cnt],0
,255,-
1)pixelpoints = np.transpose(np.nonzero(mask)
)#pixelpoints = cv2.findnonzero(mask)
# 最大值，最小值以及他們的位置
min_val,max_val,min_loc,max_loc=cv2.minmaxloc(imgray,mask=mask)
# 平均顏色和平均強度
# 我們可以得到目標的平均顏色。或者是灰度模式下的平均亮度
mean_val=cv2.mean(im,mask=mask)
# .端點
# 端點表示最高點，最低點，最左和最右點。
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])
python opencv 輪廓檢測
輪廓 contours 指的是有相同顏色或者密度，連線所有連續點的一條曲線。檢測輪廓的工作對形狀分析和物體檢測與識別都非常有用。在輪廓檢測之前，首先要對進行二值化或者canny邊緣檢測。在opencv中，尋找的物體是白色的，而背景必須是黑色的，因此預處理時必須保證這一點。import cv2 讀入i...
python opencv 輪廓層級
一般來說我們用cv2.findcontours 函式來檢測影象裡的目標，有時候目標在不同的地方，但是在有些情況下，有些圖形在別的圖形裡面，就像圖形巢狀，在這種情況下，我們把外面那層圖形叫做parent，裡面的叫child。這樣圖形裡的輪廓之間就有了關係。我們可以指定乙個輪廓和其他之間的是如何連線的，...
python opencv 輪廓基本繪製
什麼是輪廓？輪廓可以簡單地解釋為連線具有相同顏色或強度的所有連續點 沿邊界 的曲線。輪廓是用於形狀分析以及物件檢測和識別的有用工具。findcontour 函式中有三個引數，第乙個是源影象，第二個是輪廓檢索模式，第三個是輪廓逼近方法。輸出等高線和層次結構。輪廓是影象中所有輪廓的python列表。每個...