第OpenCV半小時掌握基本操作之對象測量目錄概述對象測量多邊形擬合計算對象中心【OpenCV】高手勿入!半小時學(xué)會基本操作對象測量

概述

OpenCV是一個跨平臺的計算機視覺庫,支持多語言,功能強大.今天小白就帶大家一起攜手走進OpenCV的世界.

對象測量

對象測量可以幫助我們進行矩陣計算:

獲取弧長與面積

多邊形擬合

計算圖片對象中心

原點距:

中心距:

圖像重心坐標(biāo):

多邊形擬合

步驟:

讀取圖片

轉(zhuǎn)換成灰度圖

輪廓檢測

計算輪廓周長

多邊形擬合

格式:

cv2.approxPolyDP(curve,epsilon,closed,approxCurve=None)

參數(shù):

curve:輸入輪廓

epsilon:逼近曲率,越小表示相似逼近越厲害

closed:是否閉合

代碼:

importcv2

frommatplotlibimportpyplotasplt

#讀取圖片

image=cv2.imread("polygon.jpg")

image_gray=cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)

#二值化

ret,thresh=cv2.threshold(image_gray,127,255,cv2.THRESH_OTSU)

#計算輪廓

contours,hierarchy=cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE)

#輪廓近似

perimeter=cv2.arcLength(contours[0],True)

approx=cv2.approxPolyDP(contours[0],perimeter*0.1,True)

#繪制輪廓

result1=cv2.drawContours(image.copy(),contours,0,(0,0,255),2)

result2=cv2.drawContours(image.copy(),[approx],-1,(0,0,255),2)

#圖片展示

f,ax=plt.subplots(1,2,figsize=(12,8))

ax[0].imshow(cv2.cvtColor(result1,cv2.COLOR_BGR2RGB))

ax[1].imshow(cv2.cvtColor(result2,cv2.COLOR_BGR2RGB))

ax[0].set_title("contour")

ax[1].set_title("approx")

plt.show()

輸出結(jié)果:

計算對象中心

cv2.moments()可以幫助我們得到輪距,從而進一步計算圖片對象的中心.

格式:

cv2.moments(array,binaryImage=None)

參數(shù):

array:輪廓

binaryImage:是否把array內(nèi)的非零值都處理為1,默認為None

例1:

importnumpyasnp

importcv2

#讀取圖片

image=cv2.imread("shape.jpg")

image_gray=cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)

#二值化

ret,thresh=cv2.threshold(image_gray,0,255,cv2.THRESH_OTSU)

#獲取輪廓

contours,hierarchy=cv2.findContours(thresh,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)

#遍歷每個輪廓

fori,contourinenumerate(contours):

#面積

area=cv2.contourArea(contour)

#外接矩形

x,y,w,h=cv2.boundingRect(contour)

#獲取論距

mm=cv2.moments(contour)

print(mm,type(mm))#調(diào)試輸出(字典類型)

#獲取中心

cx=mm["m10"]/mm["m00"]

cy=mm["m01"]/mm["m00"]

#獲取

cv2.circle(image,((cx),(cy)),3,(0,255,255),-1)

cv2.rectangle(image,(x,y),(x+w,y+h),(0,0,255),2)

#圖片展示

cv2.imshow("result",image)

cv2.waitKey(0)

cv2.destroyAllWindows()

#保存圖片

cv2.imwrite("result1.jpg",image)

輸出結(jié)果:

{'m00':8500.5,'m10':1027805.8333333333,'m01':2991483.6666666665,'m20':131713199.41666666,'m11':365693040.4583333,'m02':1061366842.5833333,'m30'95,'m21':47383693552.933334,'m12':131067057115.4,'m03':379419590249.80005,'mu20':7439941.251379013,'mu11':3989097.993609071,'mu02':8608236.862088203,'mu30':123631672.32175827,'mu21':66721478.995661736,'mu12':-71778847.06811166,'mu03':-153890589.33666992,'nu20':0.10296285178405724,'nu11':0.05520593397050295,'nu02':0.11913113104071384,'nu30':0.01855746134472764,'nu21':0.010015081443714638,'nu12':-0.010774206599494254,'nu03':-0.023099409797678556}class'dict'

{'m00':15986.0,'m10':6026846.0,'m01':5179910.0,'m20':2292703160.333333,'m11':1952864629.0,'m02':1698884573.6666665,'m30':879850714149.0,'m21':742898718990.0,'m12':640491821107.3334,'m03':563738081200.0,'mu20':20535469.371490955,'mu11':-1620.4595272541046,'mu02':20449217.223528624,'mu30':-223791.80407714844,'mu21':151823.5922050476,'mu12':209097.09715557098,'mu03':-152351.75524902344,'nu20':0.08035724088041474,'nu11':-6.34101194440178e-06,'nu02':0.08001972803837157,'nu30':-6.926194062792776e-06,'nu21':4.698830090131295e-06,'nu12':6.471403538830498e-06,'nu03':-4.715176353366703e-06}class'dict'

{'m00':11396.0,'m10':6176598.0,'m01':2597707.833333333,'m20':3349665027.0,'m11':1407949570.5833333,'m02':655725464.8333333,'m30':1817641012813.0,'m21':763562731879.1167,'m12':355401284084.75,'m03':178062030454.85,'mu20':1967338.8985610008,'mu11':-324.81426215171814,'mu02':63580327.29723644,'mu30':-21712.3154296875,'mu21':9988180.769364119,'mu12':186586.19526672363,'mu03':-396148296.0755005,'nu20':0.015148662774911266,'nu11':-2.501095121647356e-06,'nu02':0.48957347310563326,'nu30':-1.5661200090835562e-06,'nu21':0.0007204523998327835,'nu12':1.3458554191159022e-05,'nu03':-0.028574371768747265}class'dict'

{'m00':11560.0,'m10':4184863.0,'m01':1485772.0,'m20':1524366924.3333333,'m11':537875136.1666666,'m02':203000229.0,'m30':558641678337.5,'m21':195927630288.0,'m12':73490515262.5,'m03':29185458885.0,'mu20':9394750.564388752,'mu11':7292.807151079178,'mu02':12038426.579238743,'mu30':-36898.54187011719,'mu21':58255.2828142643,'mu12':46557.39966964722,'mu03':-74896.38109207153,'nu20':0.07030230843432154,'nu11':5.457315488828541e-05,'nu02':0.0900853271874644,'nu30':-2.568115896721007e-06,'nu21':4.0545319755426715e-06,'nu12':3.2403664790463073e-06,'nu03':-5.21274221530133e-06}class'dict'

{'m00':7136.5,'m10':931499.3333333333,'m01':837811.3333333333,'m20':126603461.91666666,'m11':109342970.95833333,'m02':104031211.58333333,'m30'7,'m21'05,'m12'816666,'m03'900002,'mu20':5018510.189567342,'mu11':-13253.86603589356,'mu02':5673777.230110094,'mu30':-177930.16611862183,'mu21':1921792.6864708662,'mu12':201480'mu03':-4564410.182851791,'nu20':0.09853811951621429,'nu11':-0.00026023879322029775,'nu02':0.11140424502299628,'nu30':-4.135579833554871e-05,'nu21':0.00044667676380089435,'nu12':4.682945134828951e-05,'nu03':-0.0010608927713634498}class'dict'

例2:

importnumpyasnp

importcv2

#讀取圖片

image=cv2.imread("shape.jpg")

image_gray=cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)

#二值化

ret,thresh=cv2.threshold(image_gray,0,255,cv2.THRESH_OTSU)

#獲取輪廓

contours,hierarchy=cv2.findContours(thresh,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)

#遍歷每個輪廓

fori,contourinenumerate(contours):

#面積

area=cv2.contourArea(contour)

#外接矩形

x,y,w,h=cv