轮廓属性

1.长宽比

它是对象边界矩形的宽度与高度的比值。

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

2.范围

范围是轮廓区域与边界矩形区域的比值。

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

3.坚实度

坚实度是等高线面积与其凸包面积之比。

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

4.等效直径

等效直径是面积与轮廓面积相同的圆的直径。

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

5.取向

取向是物体指向的角度。一些方法还给出了主轴和副轴的长度。

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

6.掩码和像素点

在某些情况下，可能需要构成该对象的所有点。

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

这里提供了两个方法，一个使用Numpy函数，另一个使用opencv函数（最后的注释行）。结果是一样的，只是略有不同。Numpy给出的坐标（行，列）格式，而opencv给出的坐标是（x,y）格式。所以基本上答案是可以互换的。注意，row=x,column=y。

7.最大值、最小值和它们的位置

可以使用掩码图像找到这些参数。

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

8.平均颜色或平均强度

可以找到对象的平均颜色。或者可以是灰度模式下物体的平均强度。再次使用相同的掩码进行此操作。

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

9.极端点

极点是对象的最顶部，最底部，最右侧和最左侧的点。

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])