- 提取一些經常使用的對象特征
1.長寬比
邊界矩形的寬高比
x,y,w,h = cv2.boundingRect(cnt)
aspect_ratio = floart(w)/h
2.Extent
輪廓面積與邊界矩形面積的比。
area = cv2.contourArea(cnt)
x,y,w,h = cv2.boundingRect(cnt)
rect_area = w*h
extent = float(area)/rect_area
3.Solidity
輪廓面積與凸包面積的比
area = cv2.contourtArea(cnt)
hull = cv2.convexHull(cnt)
hull_area = cv2.contourArea(hull)
solidity = float(area)/hull_area
4.Equivalent Diameter
與輪廓面積相等的圓形的直徑
area = cv2.contourArea(cnt)
equi_diameter = np.sqrt(4*area/np.pi)
5.方向
對象的方向，下面的方法還會返回長軸和短軸的長度
(x,y),(MA,ma),angle = cv2.fitEllipse(cnt)
6.掩膜和像素點
有時我們需要構成對象的所有像素點，我們可以這樣做：
# -*- coding:utf-8 -*-
import numpy as np
import cv2
from matplotlib import pyplot as plt
im = cv2.imread('10.png')
img = cv2.cvtColor(im,cv2.COLOR_BGR2GRAY)#用這個方式轉換的原因是最后輸出時希望能看到彩色的的輪廓圖
ret,thresh = cv2.threshold(img,127,255,0)
img,contours,hierarchy = cv2.findContours(thresh,1,2)
cnt = contours[0]
mask = np.zeros(im.shape,np.uint8)
cv2.drawContours(mask,[cnt],0,255,-1)#使用-1可以繪制填充的輪廓
#transpose及noozero用法介紹
#Returns a tuple of arrays, one for each dimension of a,
#containing the indices of the non-zero elements in that dimension.
#The result of this is always a 2-D array, with a row for
#each non-zero element.
#To group the indices by element, rather than dimension, use:
#transpose(nonzero(a))
#>>> x = np.eye(3)
#>>> x
#array([[ 1., 0., 0.],
# [ 0., 1., 0.],
# [ 0., 0., 1.]])
#>>> np.nonzero(x)
#(array([0, 1, 2]), array([0, 1, 2]))
#>>> x[np.nonzero(x)]
#array([ 1., 1., 1.])
#>>> np.transpose(np.nonzero(x))
#array([[0, 0],
# [1, 1],
# [2, 2]]
pixelpoints = np.transpose(np.nonzero(mask))
#pixelpoints = cv2.findNonZero(mask)
#兩種方法給出的結果相同，格式不同，前者是（row，column），后者是（x,y），所以這里row = x ，column = y
cv2.imshow('img',mask)
cv2.waitKey(0)
7.最大值最小值及它們的位置
利用上面得到的掩膜圖像可以得到這些參數
min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(imgray,mask = mask）
#試了一下，不使用掩膜反而能得到這些參數，使用了就得不到了。
8.平均顏色及平均灰度
可以使用相同的掩膜求一個對象的平均顏色或平均灰度
mean_val = cv2.mean(im,mask = mask)
9,.極點
一個對象最上面，最下面，最左邊，最右邊的點
leftmost = tuple(cnt[cnt[:,:,0].argmin()][0])
rightmost = tuple(cnt[cnt[:,:,0].argmax()][0])
topmost = tuple(cnt[cnt[:,:,1].argmin()][0])
bottommost = tuple(cnt[cnt[:,:,1].argmax()][0])