@[TOC](OpenCV入门（二十）快速学会OpenCV 19 目标丈量)

作者：Xiou

1.目标丈量

opencv 中目标丈量包括： 如面积，周长，质心，鸿沟框等。 弧长与面积丈量； 多边形拟合； 获取概括的多边形拟合成果。

python-opencv提供的办法：

cv2.moments() 用来核算图像中的中心矩(最高到三阶)，

cv2.HuMoments() 用于由中心矩核算Hu矩，一起配合函数cv2.contourArea()函数核算概括面积，和cv2.arcLength()来核算概括或曲线长度

cv.approxPolyDP（多边形迫临） -contour -epsilon 越小越折 线越迫临真实形状 -close 是否为闭合区域

函数cv2.boundingRect回来四个参数（x，y）为矩形左上角的坐标，（w，h）是矩形的宽和高。 函数cv2.rectangle是制作矩形函数

函数cv2.minAreaRect回来的是一个 Box2D 结构， 其中包括 :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。 可是要制作这个矩形需求矩形的 4 个角点，可以通过函数 cv2.boxPoints() 取得，最后制作得到旋转鸿沟矩形。

函数cv2.minEnclosingCircle可以帮咱们找到一个目标的外切圆。它是一切能够彻底包括目标的圆中面积最小的一个。

函数cv2.fitEllipse回来值其实便是旋转鸿沟矩形的内切圆。

几许矩核算

一幅MN的数字图像(i,j)，其p+q阶 几许矩mpq 和 中心矩 pq为：

2.多边形拟合

过程:

（1）读取图片； （2）转换成灰度图； （3）二值化； （4）概括检测； （5）核算概括周长； （6）多边形拟合；

格局:

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

参数:

curve: 输入概括； epsilon: 迫临曲率, 越小表示相似迫临越厉害； closed: 是否闭合。

代码实例：

import cv2
from matplotlib import pyplot as plt
# 读取图片
image = cv2.imread("logo.png")
image_gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
# 二值化
ret, thresh = cv2.threshold(image_gray, 127, 255, cv2.THRESH_OTSU)
# 核算概括
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)
# 概括近似
perimeter = cv2.arcLength(contours[0], True)
approx = cv2.approxPolyDP(contours[0], perimeter * 0.1, True)
# 制作概括
result1 = cv2.drawContours(image.copy(), contours, 0, (0, 0, 255), 2)
result2 = cv2.drawContours(image.copy(), [approx], -1, (0, 0, 255), 2)
# 图片展现
f, ax = plt.subplots(1, 2, figsize=(12, 8))
# 子图
ax[0].imshow(cv2.cvtColor(result1, cv2.COLOR_BGR2RGB))
ax[1].imshow(cv2.cvtColor(result2, cv2.COLOR_BGR2RGB))
# 标题
ax[0].set_title("contour")
ax[1].set_title("approx")
plt.show()

输出成果：

3.核算目标中心

cv2.moments()可以帮助咱们得到轮距, 从而进一步核算图片目标的中心。

cv2.moments(array, binaryImage=None)

参数: array: 概括； binaryImage: 是否把 array 内的非零值都处理为 1, 默认为 None。

代码实例：

import numpy as np
import cv2
# 读取图片
image = cv2.imread("logo.png")
image_gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
# 二值化
ret, thresh = cv2.threshold(image_gray, 0, 255, cv2.THRESH_OTSU)
# 获取概括
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
# 遍历每个概括
for i, contour in enumerate(contours):
    # 面积
    area = cv2.contourArea(contour)
    # 外接矩形
    x, y, w, h = cv2.boundingRect(contour)
    # 获取论距
    mm = cv2.moments(contour)
    print(mm, type(mm))  # 调试输出 (字典类型)
    # 获取中心
    cx = mm["m10"] / mm["m00"]
    cy = mm["m01"] / mm["m00"]
    # 获取
    cv2.circle(image, (np.int(cx), np.int(cy)), 3, (0, 255, 255), -1)
    cv2.rectangle(image, (x, y), (x + w, y + h), (0, 0, 255), 2)
# 图片展现
cv2.imshow("result", image)
cv2.waitKey(0)
cv2.destroyAllWindows()
# 保存图片
cv2.imwrite("result1.jpg", image)

输出成果：