14: 轮廓特征
学习计算轮廓特征，如面积、周长、最小外接矩形等。图片等可到文末引用处下载。
目标
- 计算物体的周长、面积、质心、最小外接矩形等
- OpenCV函数：
cv2.contourArea(),cv2.arcLength(),cv2.approxPolyDP()等
教程
在计算轮廓特征之前，我们先用上一节的代码把轮廓找到：
import cv2
import numpy as np
img = cv2.imread('handwriting.jpg', 0)
_, thresh = cv2.threshold(img, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)
image, contours, hierarchy = cv2.findContours(thresh, 3, 2)
# 以数字3的轮廓为例
cnt = contours[0]Copy to clipboardErrorCopied为了便于绘制，我们创建出两幅彩色图，并把轮廓画在第一幅图上：
img_color1 = cv2.cvtColor(image, cv2.COLOR_GRAY2BGR)
img_color2 = np.copy(img_color1)
cv2.drawContours(img_color1, [cnt], 0, (0, 0, 255), 2)Copy to clipboardErrorCopied轮廓面积
area = cv2.contourArea(cnt) # 4386.5Copy to clipboardErrorCopied注意轮廓特征计算的结果并不等同于像素点的个数，而是根据几何方法算出来的，所以有小数。
如果统计二值图中像素点个数，应尽量避免循环，**可以使用
cv2.countNonZero()**，更加高效。
轮廓周长
perimeter = cv2.arcLength(cnt, True) # 585.7Copy to clipboardErrorCopied参数2表示轮廓是否封闭，显然我们的轮廓是封闭的，所以是True。
图像矩
矩可以理解为图像的各类几何特征，详情请参考：[Image Moments]
M = cv2.moments(cnt)Copy to clipboardErrorCopiedM中包含了很多轮廓的特征信息，比如M['m00']表示轮廓面积，与前面cv2.contourArea()计算结果是一样的。质心也可以用它来算：
cx, cy = M['m10'] / M['m00'], M['m01'] / M['m00'] # (205, 281)Copy to clipboardErrorCopied外接矩形
形状的外接矩形有两种，如下图，绿色的叫外接矩形，表示不考虑旋转并且能包含整个轮廓的矩形。蓝色的叫最小外接矩，考虑了旋转：
x, y, w, h = cv2.boundingRect(cnt) # 外接矩形
cv2.rectangle(img_color1, (x, y), (x + w, y + h), (0, 255, 0), 2)Copy to clipboardErrorCopiedrect = cv2.minAreaRect(cnt) # 最小外接矩形
box = np.int0(cv2.boxPoints(rect)) # 矩形的四个角点取整
cv2.drawContours(img_color1, [box], 0, (255, 0, 0), 2)Copy to clipboardErrorCopied其中np.int0(x)是把x取整的操作，比如377.93就会变成377，也可以用x.astype(np.int)。
最小外接圆
外接圆跟外接矩形一样，找到一个能包围物体的最小圆：
(x, y), radius = cv2.minEnclosingCircle(cnt)
(x, y, radius) = np.int0((x, y, radius)) # 圆心和半径取整
cv2.circle(img_color2, (x, y), radius, (0, 0, 255), 2)Copy to clipboardErrorCopied
拟合椭圆
我们可以用得到的轮廓拟合出一个椭圆：
ellipse = cv2.fitEllipse(cnt)
cv2.ellipse(img_color2, ellipse, (255, 255, 0), 2)Copy to clipboardErrorCopied
形状匹配
cv2.matchShapes()可以检测两个形状之间的相似度，返回值越小，越相似。先读入下面这张图片：
img = cv2.imread('shapes.jpg', 0)
_, thresh = cv2.threshold(img, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
image, contours, hierarchy = cv2.findContours(thresh, 3, 2)
img_color = cv2.cvtColor(thresh, cv2.COLOR_GRAY2BGR) # 用于绘制的彩色图Copy to clipboardErrorCopied图中有3条轮廓，我们用A/B/C表示：
cnt_a, cnt_b, cnt_c = contours[0], contours[1], contours[2]
print(cv2.matchShapes(cnt_b, cnt_b, 1, 0.0)) # 0.0
print(cv2.matchShapes(cnt_b, cnt_c, 1, 0.0)) # 2.17e-05
print(cv2.matchShapes(cnt_b, cnt_a, 1, 0.0)) # 0.418Copy to clipboardErrorCopied可以看到BC相似程度比AB高很多，并且图形的旋转或缩放并没有影响。其中，参数3是匹配方法，详情可参考：ShapeMatchModes，参数4是OpenCV的预留参数，暂时没有实现，可以不用理会。
形状匹配是通过图像的Hu矩来实现的(cv2.HuMoments())，大家如果感兴趣，可以参考：Hu-Moments
练习
- 前面我们是对图片中的数字3进行轮廓特征计算的，大家换成数字1看看。
- （选做）用形状匹配比较两个字母或数字（这相当于很简单的一个OCR噢）。
小结
常用的轮廓特征：
cv2.contourArea()算面积，cv2.arcLength()算周长，cv2.boundingRect()算外接矩。cv2.minAreaRect()算最小外接矩，cv2.minEnclosingCircle()算最小外接圆。cv2.matchShapes()进行形状匹配。
接口文档
- cv2.contourArea()
- cv2.arcLength()
- cv2.moments()
- cv2.boundingRect()
- cv2.minAreaRect()
- cv2.minEnclosingCircle()
- cv2.fitEllipse()
- cv2.matchShapes()
- cv2.ShapeMatchModes
引用
本文参与 腾讯云自媒体同步曝光计划，分享自作者个人站点/博客。
原始发表：2021-12-07，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读
目录
腾讯云开发者
