OpenCV---对象测量

一：获取图像的外接矩形boundingRect和几何距moments

import cv2 as cv
import numpy as np

def measure_object(image):
    gray = cv.cvtColor(image,cv.COLOR_BGR2GRAY) #转灰度图像
    ret, binary = cv.threshold(gray,0,255,cv.THRESH_OTSU|cv.THRESH_BINARY_INV)  #获取二值化图像
    print("thresold value:",ret)
    cv.imshow("binary image",binary)
    outImage,contours,hireachy = cv.findContours(binary,cv.RETR_EXTERNAL,cv.CHAIN_APPROX_SIMPLE)
    for i,contour in enumerate(contours):
        area = cv.contourArea(contour)      #获取每个轮廓面积
        x,y,w,h = cv.boundingRect(contour)     #获取轮廓的外接矩形
        rate = min(w,h)/max(w,h)    #获取外接矩形宽高比，可以起到一定的筛选作用
        print("rectangle rate:%s"%rate)
        mm = cv.moments(contour)            #求取轮廓的几何距
        print(type(mm))
        print(mm)
        cx = mm['m10']/mm['m00']
        cy = mm['m01']/mm['m00']
        cv.circle(image,(np.int(cx),np.int(cy)),2,(0,255,255),-1) #根据几何距获取的中心点，画出中心圆
        cv.rectangle(image,(x,y),(x+w,y+h),(0,0,255),2) #根据轮廓外接矩形返回数据，画出外接矩形
        print("contour area:",area)
    cv.imshow("measure_object",image)


src = cv.imread("./dg.png")  #读取图片
cv.namedWindow("input image",cv.WINDOW_AUTOSIZE)    #创建GUI窗口,形式为自适应
cv.imshow("input image",src)    #通过名字将图像和窗口联系

measure_object(src)

cv.waitKey(0)   #等待用户操作，里面等待参数是毫秒，我们填写0，代表是永远，等待用户操作
cv.destroyAllWindows()  #销毁所有窗口

mm-->{'m02': 3301.25, 'm12': 233530.03333333333, 'm30': 6934377.600000001, 'mu11': -10.721153846156085, 'm21': 1265395.2, 'nu02': 0.08336283484212434, 'm01': 252.5, 'mu30': -12.458842864260077, 'nu21': 0.003451665836783194, 'mu12': 11.46577909273492, 'nu12': 0.006828369938345303, 'mu02': 31.698717948717785, 'mu21': 5.795825115486707, 'm03': 43556.350000000006, 'nu30': -0.007419782588937784, 'm20': 97840.41666666666, 'm00': 19.5, 'm10': 1381.0, 'nu20': 0.09806301522275791, 'mu03': -11.52064431294275, 'm11': 17871.458333333332, 'nu03': -0.0068610445623109115, 'mu20': 37.2884615384537, 'nu11': -0.028195013402119877}

二：多边形逼近approxPolyDP

import cv2 as cv
import numpy as np


def measure_object(image):
    gray = cv.cvtColor(image,cv.COLOR_BGR2GRAY) #转灰度图像
    ret, binary = cv.threshold(gray,0,255,cv.THRESH_OTSU|cv.THRESH_BINARY)  #获取二值化图像
    cv.imshow("binary image",binary)
    dst = cv.cvtColor(binary,cv.COLOR_GRAY2BGR)
    outImage,contours,hireachy = cv.findContours(binary,cv.RETR_EXTERNAL,cv.CHAIN_APPROX_SIMPLE)
    for i,contour in enumerate(contours):
        mm = cv.moments(contour)            #求取轮廓的几何距
        cx = mm['m10']/mm['m00']
        cy = mm['m01']/mm['m00']
        cv.circle(dst,(np.int(cx),np.int(cy)),2,(0,255,255),-1) #画出中心点
        approxCurve = cv.approxPolyDP(contour,4,True)   #4是与阈值的间隔大小，越小越易找出，True是是否找闭合图像
        print(approxCurve.shape)
        if approxCurve.shape[0] >= 7:
            cv.drawContours(dst,contours,i,(0,255,0),2)　　#画出轮廓
        elif approxCurve.shape[0] == 4:
            cv.drawContours(dst,contours,i,(0,0,255),2)
        else:
            cv.drawContours(dst,contours,i,(255,0,0),2)

    cv.imshow("measure_object",dst)


src = cv.imread("./lk.png")  #读取图片
cv.namedWindow("input image",cv.WINDOW_AUTOSIZE)    #创建GUI窗口,形式为自适应
cv.imshow("input image",src)    #通过名字将图像和窗口联系

measure_object(src)

cv.waitKey(0)   #等待用户操作，里面等待参数是毫秒，我们填写0，代表是永远，等待用户操作
cv.destroyAllWindows()  #销毁所有窗口

相关知识补充

（一）相关函数方法

cv.contourArea(contour)      #获取每个轮廓面积
cv.boundingRect(contour)     #获取轮廓的外接矩形
cv.moments(contour)          #求取轮廓的几何距
cv.arcLength(contour,True)　　#求取轮廓的周长，指定闭合

（二）approxPolyDP轮廓逼近方法

approxCurve = cv.approxPolyDP(contour,4,True)   #4是与阈值的间隔大小，越小越易找出，True是是否找闭合图像

def approxPolyDP(curve, epsilon, closed, approxCurve=None): # real signature unknown; restored from __doc__

第一个参数curve：输入的点集，直接使用轮廓点集contour
第二个参数epsilon：指定的精度，也即是原始曲线与近似曲线之间的最大距离。
第三个参数closed：若为true,则说明近似曲线是闭合的，反之，若为false，则断开。
第四个参数approxCurve：输出的点集，当前点集是能最小包容指定点集的。画出来即是一个多边形；

返回值

approxCurve：输出的点集，当前点集是能最小包容指定点集的。画出来即是一个多边形；

print(approxCurve)　　#打印每个轮廓的特征点
print(approxCurve.shape)　　#打印该点集的shape，第一个数是代表了点的个数，也就是边长连接逼近数

[[[138 208]]

 [[138 234]]

 [[265 234]]

 [[264 207]]]
(4, 1, 2)　　#矩形，四个点逼近图像
[[[124 154]]

 [[124 183]]

 [[325 183]]

 [[325 154]]]
(4, 1, 2)
[[[ 61 125]]

 [[  9 279]]

 [[114 280]]]
(3, 1, 2)　　#3是三角形
[[[123 102]]

 [[111 118]]

 [[117 128]]

 [[129 131]]

 [[139 124]]

 [[141 114]]

 [[134 104]]]
(7, 1, 2)　　#7,8,9都是圆形类
[[[303  78]]

 [[291  87]]

 [[289  99]]

 [[298 111]]

 [[310 113]]

 [[322 105]]

 [[324  91]]

 [[314  79]]]
(8, 1, 2)
[[[308  28]]

 [[298  35]]

 [[295  48]]

 [[303  59]]

 [[314  61]]

 [[325  54]]

 [[327  39]]]
(7, 1, 2)
[[[198  21]]

 [[165  38]]

 [[153  75]]

 [[170 107]]

 [[185 116]]

 [[210 119]]

 [[244 100]]

 [[254  63]]

 [[235  31]]]
(9, 1, 2)
[[[ 27  21]]

 [[ 27  87]]

 [[101  87]]

 [[101  21]]]
(4, 1, 2)
[[[418  15]]

 [[416 190]]

 [[454 192]]

 [[455  16]]]
(4, 1, 2)
[[[359  14]]

 [[346  58]]

 [[345 138]]

 [[356 190]]

 [[363 192]]

 [[374 156]]

 [[376  82]]

 [[369  24]]]
(8, 1, 2)