Code
import cv2 as cv
import numpy
def measure_object(image):
gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
# 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 image", binary)
dst = cv.cvtColor(binary, cv.COLOR_GRAY2BGR)
# 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）
contours, hierarchy = cv.findContours(binary, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)
# 遍历全部轮廓
for i, contour in enumerate(contours):
# 轮廓面积
# area = cv.contourArea(contour)
x, y, w, h = cv.boundingRect(contour) # 轮廓外接矩形面积
mm = cv.moments(contour) # 几何矩
print(type(mm))
if mm['m00']:
cx = mm['m10'] / mm['m00']
cy = mm['m01'] / mm['m00']
"""
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(image, (numpy.int(cx), numpy.int(cy)), 3, (0, 255, 255), -1)
"""
ectangle(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(image, (x, y), (x+w, y+h), (0, 0, 255), 2)
"""
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
"""
"""
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
"""
"""
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("meassure-contours", image)
src = cv.imread("./data/pic1.png", cv.IMREAD_COLOR)
cv.namedWindow("lena", cv.WINDOW_AUTOSIZE)
cv.imshow("lena", src)
measure_object(src)
cv.waitKey(0)
cv.destroyAllWindows()
获取图像的外接矩形boundingRect和几何距moments
轮廓图.png
多边形逼近approxPolyDP
# 10是与阈值的间隔大小，越小越易找出，True是是否找闭合图像
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)
多边形拟合图.png
API
cv2.moments()用来计算图像中的中心矩(最高到三阶)
outImg, contours, hireachy = cv2.findContours(binary, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)
函数有3个参数Arguments（变量）
PS:百度outline参数是opencv3有，opencv2跟opencv4没有，恰好我是用pycharm安装的是opencv4
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
def approxPolyDP(curve, epsilon, closed, approxCurve=None):
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
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；
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
