python-opencv Tutorials 一码人翻译（20）图像处理----轮廓检测 --轮廓属性

在这里，我们将学习如何提取一些常用的物体，如固体、等效直径、掩模图像、平均强度等。在Matlab的区域道具文档中可以找到更多的特性。

（NB：中心、区域、周长等也属于这一类，但我们在上一章已经看到了）

1。纵横比

它是物体的边界矩形的宽度和高度的比值。

x,y,w,h = cv.boundingRect(cnt)
aspect_ratio = float(w)/h

2。程度上

范围是轮廓面积与边界矩形面积的比值。

area = cv.contourArea(cnt)
x,y,w,h = cv.boundingRect(cnt)
rect_area = w*h
extent = float(area)/rect_area

3。可靠性

固体是轮廓面积与凸壳面积的比值。

area = cv.contourArea(cnt)
hull = cv.convexHull(cnt)
hull_area = cv.contourArea(hull)
solidity = float(area)/hull_area

4所示。当量直径

等效直径是圆的直径，其面积与等值线面积相同。

area = cv.contourArea(cnt)
equi_diameter = np.sqrt(4*area/np.pi)

5。取向

方向是物体被引导的角度。下面的方法也给出了主轴和小轴长度。

(x,y),(MA,ma),angle = cv.fitEllipse(cnt)

6。面具和像素点

在某些情况下，我们可能需要所有包含该对象的点。可以这样做：

mask = np.zeros(imgray.shape,np.uint8)
cv.drawContours(mask,[cnt],0,255,-1)
pixelpoints = np.transpose(np.nonzero(mask))
#pixelpoints = cv.findNonZero(mask)

这里有两个方法，一个使用Numpy函数，下一个使用OpenCV函数（最后一个注释行）来做同样的事情。结果也是一样的，但有细微的差别。Numpy提供了（行、列）格式的坐标，而OpenCV则给出了（x，y）格式的坐标。所以基本上答案会被互换。注意，行=x和列=y。

7。最大值、最小值及其位置

我们可以使用蒙版图像找到这些参数。

min_val, max_val, min_loc, max_loc = cv.minMaxLoc(imgray,mask = mask)

8。平均颜色或平均强度

在这里，我们可以找到一个物体的平均颜色。也可以是灰度模式下物体的平均强度。我们再次使用相同的面具来做这件事。

mean_val = cv.mean(im,mask = mask)

9。极端点

极端点指的是物体的最上面、最底、最右边和最左边的点。

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])