【python-opencv】对象测量

 opencv 中轮廓特征包括：

 如面积，周长，质心，边界框等

*弧长与面积测量

*多边形拟合

*获取轮廓的多边形拟合结果

python-opencv API提供方法：

cv2.moments()用来计算图像中的中心矩(最高到三阶)，

cv2.HuMoments()用于由中心矩计算Hu矩,

同时配合函数cv2.contourArea()函数计算轮廓面积

和cv2.arcLength()来计算轮廓或曲线长度

*cv.approxPolyDP

-contour

-epsilon 越小越折  线越逼近真实形状 

-close 是否为闭合区域 

函数cv2.boundingRect返回四个参数（x，y）为矩形左上角的坐标，（w，h）是矩形的宽和高。 函数cv2.rectangle是绘制矩形函数 

函数cv2.minAreaRect返回的是一个 Box2D 结构，

其中包含 :矩形左上角角点的坐标（x，y），矩形的宽和高（w，h），以及旋转角度。

但是要绘制这个矩形需要矩形的 4 个角点，可以通过函数 cv2.boxPoints() 获得，最后绘制得到旋转边界矩形。 

函数cv2.minEnclosingCircle可以帮我们找到一个对象的外切圆。它是所有能够完全包括对象的圆中面积最小的一个。 
函数cv2.fitEllipse返回值其实就是旋转边界矩形的内切圆

*几何矩计算

一幅M×N的数字图像ƒ(i,j)，其p+q阶 几何矩m_pq 和 中心矩 μ_pq为：

 

p+q = 0 为0阶矩

p+q = 1 为1阶矩

p+q = 2 为2阶矩

。。。

其中ƒ(i,j)为图像在坐标点(i,j)处的灰度值。

多边形拟合（应用：选择图片中几何体形状）

        """
        approxPolyDP(curve, epsilon, closed[, approxCurve]) -> approxCurve
        curve-拟合曲线
        epsilon-拟合曲线条数（int）
        closed-拟合曲线是否闭合（True or False）
        多边形拟合
        """
        approxCurve = cv.approxPolyDP(contour,10,True)
        print(approxCurve.shape)
        #画轮廓多边形拟合数目>6的图形轮廓为红色
        if approxCurve.shape[0] > 6:
            cv.drawContours(dst,contours,i,(0,0,255),2)
        ##画轮廓多边形拟合数目=4的图形轮廓为绿色
        elif approxCurve.shape[0] == 4:
            cv.drawContours(dst,contours,i,(0,255,0),2)
        # 画轮廓多边形拟合数目=3的图形轮廓为蓝
        elif approxCurve.shape[0] == 3:
            cv.drawContours(dst,contours,i,(255,0,0),2)
        # 画其余数目的轮廓多边形拟合的图形轮廓为黄色
        else:
            cv.drawContours(dst,contours,i,(0,255,255),2)

求图形几何矩中心 并求最小外接矩形

源码：

def measure_object(img):
    #img转为灰度图gary
    gray = cv.cvtColor(img, cv.COLOR_RGB2GRAY)
    #灰度图gary转为二值图（黑白图）--->输出ret 阈值、binary 二值图
    ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY_INV|cv.THRESH_OTSU)
    print("threshold value:",ret)
    cv.imshow("binary img", binary)
    # 找二值图binary的轮廓，cv.RETR_EXTERNAL(只检索外部轮廓)、cv.RETR_TREE（检索全部轮廓）
    outImg, contours, hireachy = cv.findContours(binary, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)
    dst = cv.cvtColor(binary,cv.COLOR_GRAY2BGR)
    #遍历全部轮廓
    for i, contour in enumerate(contours):
        # 轮廓面积
        area = cv.contourArea(contour)
        # 轮廓外接矩形面积
        x, y, w, h = cv.boundingRect(contour)
        # 几何矩
        mm = cv.moments(contour)
        # print(type(mm))   #mm是字典类型
        #获得中心矩
        if mm['m00']:
            cx = mm['m10'] / mm['m00']
            cy = mm['m01'] / mm['m00']
        else:
            continue

        """
        circle(img, center, radius, color[, thickness[, lineType[, shift]]]) -> img
        #在原图img上绘制圆（圆心np.int(cx), np.int(cy)）
        半径 3 ,颜色(0,255,0)绿,线宽2（如果为负数则填充）
        """
        cv.circle(dst,(np.int(cx), np.int(cy)), 3, (0, 255, 255), -1)
        # center, radius = cv.minEnclosingCircle((np.int(cx), np.int(cy)))
        # cv.circle(img, center, radius, (0, 255, 255), 2)

        """
        rectangle(img, pt1, pt2, color[, thickness[, lineType[, shift]]]) -> img
        在原图img上绘制外接矩形 ，左上角端点坐标(x, y)，宽高(x + w, y + h)
        颜色(0,0,255)，线宽2（如果为负数则填充）
        """
        cv.rectangle(dst, (x, y), (x + w, y + h), (0, 0, 255), 2)

        """
        绘制轮廓
        drawContours(image, contours, contourIdx, color[, thickness[, lineType[, hierarchy[, maxLevel[, offset]]]]]) -> image
        image-原图上绘制轮廓
        contours-全部轮廓
        contourIdx-轮廓系数i
        color-颜色
        thickness-线宽
        """
        cv.drawContours(img,contours,i,(0,255,0),2)

        #打印出轮廓面积
        # print("contourArea",area)
        """
        approxPolyDP(curve, epsilon, closed[, approxCurve]) -> approxCurve
        curve-拟合曲线
        epsilon-拟合曲线条数（int）
        closed-拟合曲线是否闭合（True or False）
        多边形拟合
        """
        approxCurve = cv.approxPolyDP(contour,10,True)
        print(approxCurve.shape)
        #画轮廓多边形拟合数目>6的图形轮廓为红色
        if approxCurve.shape[0] > 6:
            cv.drawContours(dst,contours,i,(0,0,255),2)
        ##画轮廓多边形拟合数目=4的图形轮廓为绿色
        elif approxCurve.shape[0] == 4:
            cv.drawContours(dst,contours,i,(0,255,0),2)
        # 画轮廓多边形拟合数目=3的图形轮廓为蓝
        elif approxCurve.shape[0] == 3:
            cv.drawContours(dst,contours,i,(255,0,0),2)
        # 画其余数目的轮廓多边形拟合的图形轮廓为黄色
        else:
            cv.drawContours(dst,contours,i,(0,255,255),2)

    cv.imshow("measure_object", dst)

src = cv.imread('nums.jpg')
# src = cv.imread('shape.png')
cv.namedWindow('input_image',cv.WINDOW_AUTOSIZE)
cv.imshow('input_image',src)

measure_object(src)

cv.waitKey(0)
cv.destroyAllWindows()

 

(mcx,mcy),radius = cv.minEnclosingCircle(contour)
cv.circle(dst, (int(mcx),int(mcy)), int(radius), (120, 100, 230), 2)

补充知识点：

outImg, contours, hireachy = cv2.findContours(binary, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE) 

函数有3个参数Arguments（变量）

1、source image（源图像）一般是 binary 二值图像

2、contour retrieval mode（轮廓检索模式） 一般选用  cv.RETR_EXTERNAL(只检索外部轮廓)    cv.RETR_TREE（检索全部轮廓）

3、contour approximation method（轮廓近似法）一般选用 cv.CHAIN_APPROX_SIMPLE

ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY_INV | cv.THRESH_OTSU)

1、gray-源BGR图像转化的灰度图像

2、像素阈值

3、cv.THRESH_BINARY_INV | cv.THRESH_OTSU -二值图像转化方法

参考文章：

https://opencv-python-tutroals.readthedocs.io/en/latest/py_tutorials/py_imgproc/py_contours/py_table_of_contents_contours/py_table_of_contents_contours.html#