轮廓的性质

本章节内容是博主网上收集的。当前系列所有demo下载地址：

https://github.com/GaoRenBao/OpenCv4-Demo

当前demo来源：

OpenCV-Python-Tutorial-中文版.pdf（P111 轮廓的性质）  在线预览

不同编程语言对应的OpenCv版本以及开发环境信息如下： 

当前demo主要演示轮廓的一些基本性质。

测试原图：

C#版本运行效果及代码如下：

源码如下：

using OpenCvSharp;
using System;
using System.Linq;

namespace ConsoleApp
{
    internal class Program
    {
        static void Main(string[] args)
        {
            Mat srcImage = Cv2.ImRead("../../../images/star3.jpg");

            Mat img = new Mat();
            Cv2.CvtColor(srcImage, img, ColorConversionCodes.BGR2GRAY);

            Mat thresh = new Mat();
            Cv2.Threshold(img, thresh, 127, 255, ThresholdTypes.Binary);
            Point[][] contours = new Point[][] { };
            HierarchyIndex[] hierarcy;
            Cv2.FindContours(thresh, out contours, out hierarcy, RetrievalModes.Tree, ContourApproximationModes.ApproxSimple, null);
            Console.WriteLine($"contours len:{contours.Length}");
            Point[] cnt = contours[0];  // contours 有三个，挑个最大的，方便演示

            test1(cnt);
            test2(cnt);
            test3(cnt);
            test4(cnt);
            test5(cnt);
            test6(img, cnt);
            test7(srcImage, cnt);
        }

        static void test1(Point[] cnt)
        {
            // 边界矩形的宽高比
            Rect rect = Cv2.BoundingRect(cnt);
            float aspect_ratio = (float)rect.Width / (float)rect.Height;
            Console.WriteLine($"边界矩形的宽高比:{aspect_ratio}");
        }
        static void test2(Point[] cnt)
        {
            // Extent轮廓面积与边界矩形面积的比
            double area = Cv2.ContourArea(cnt);
            Rect rect = Cv2.BoundingRect(cnt);
            double rect_area = rect.Width * rect.Height;
            double extent = area / rect_area;
            Console.WriteLine($"Extent轮廓面积与边界矩形面积的比:{extent}");
        }
        static void test3(Point[] cnt)
        {
            // Solidity轮廓面积与凸包面积的比。
            double area = Cv2.ContourArea(cnt);
            Point[] hull = Cv2.ConvexHull(cnt);
            double hull_area = Cv2.ContourArea(hull);
            double solidity = area / hull_area;
            Console.WriteLine($"Solidity轮廓面积与凸包面积的比:{solidity}");
        }
        static void test4(Point[] cnt)
        {
            // Equivalent Diameter与轮廓面积相等的圆形的直径
            double area = Cv2.ContourArea(cnt);
            double equi_diameter = Math.Sqrt(4 * area / Math.PI);
            Console.WriteLine($"Equivalent Diameter与轮廓面积相等的圆形的直径:{equi_diameter}");
        }
        static void test5(Point[] cnt)
        {
            // Orientation对象的方向下的方法会返回长轴和短轴的长度
            RotatedRect rect = Cv2.FitEllipse(cnt);
            Console.WriteLine($"Orientation对象的方向下的方法会返回长轴和短轴的长度:{rect.Center},{rect.Size},{rect.Angle}");
        }
        static void test6(Mat imgray, Point[] cnt)
        {
            // Mask and Pixel Points掩模和像素点
            Mat mask = new Mat(imgray.Size(), MatType.CV_8U, new Scalar(0, 0, 0));

            Point[][] cnts = new Point[][] { cnt };
            Cv2.DrawContours(mask, cnts, 0, 255, -1);

            // 最大值和最小值及它们的位置
            Cv2.MinMaxLoc(imgray, out double minVal, out double maxVal, out Point minLoc, out Point maxLoc, mask);
            Console.WriteLine($"最大值和最小值及它们的位置:{minVal},{maxVal},{minLoc},{maxLoc}");

            // 我们也可以使用相同的掩模求一个对象的平均颜色或平均灰度
            Scalar mean_val = Cv2.Mean(imgray, mask);
            Console.WriteLine($"平均色:{mean_val}");
        }
        static void test7(Mat img, Point[] cnt)
        {
            Point topmost = cnt.FirstOrDefault(x => x.Y == cnt.Min(p => p.Y));    // 最上面
            Point bottommost = cnt.FirstOrDefault(x => x.Y == cnt.Max(p => p.Y)); // 最下面
            Point leftmost = cnt.FirstOrDefault(x => x.X == cnt.Min(p => p.X));   // 最左面
            Point rightmost = cnt.FirstOrDefault(x => x.X == cnt.Max(p => p.X));  // 最右面

            Console.WriteLine($"最上面:{topmost}");
            Console.WriteLine($"最下面:{bottommost}");
            Console.WriteLine($"最左:{leftmost}");
            Console.WriteLine($"最右:{rightmost}");

            Cv2.Circle(img, topmost, 5, new Scalar(0, 0, 255), -1);
            Cv2.Circle(img, bottommost, 5, new Scalar(0, 0, 255), -1);
            Cv2.Circle(img, leftmost, 5, new Scalar(0, 0, 255), -1);
            Cv2.Circle(img, rightmost, 5, new Scalar(0, 0, 255), -1);
            Cv2.ImShow("img", img);
            Cv2.WaitKey(0);
        }

    }
}

C++版本运行效果及代码如下：

源码如下：

#include <opencv2/opencv.hpp>
#include <opencv2/cvconfig.h>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/highgui/highgui.hpp>    

#include <string>
#include <cmath>
#include <iostream>

using namespace cv;
using namespace std;

void test1(vector<Point> cnt)
{
    // 边界矩形的宽高比
    Rect rect = cv::boundingRect(cnt);
    float aspect_ratio = (float)rect.width / (float)rect.height;
    cout << "边界矩形的宽高比:" << aspect_ratio << endl;
}
void test2(vector<Point> cnt)
{
    // Extent轮廓面积与边界矩形面积的比
    double area = cv::contourArea(cnt);
    Rect rect = cv::boundingRect(cnt);
    double rect_area = rect.width * rect.height;
    double extent = area / rect_area;
    cout << "Extent轮廓面积与边界矩形面积的比:" << extent << endl;
}
void test3(vector<Point> cnt)
{
    // Solidity轮廓面积与凸包面积的比。
    double area = cv::contourArea(cnt);
    vector<Point> hull;
    cv::convexHull(cnt, hull);
    double hull_area = cv::contourArea(hull);
    double solidity = area / hull_area;
    cout << "Solidity轮廓面积与凸包面积的比:" << solidity << endl;
}
void test4(vector<Point> cnt)
{
    // Equivalent Diameter与轮廓面积相等的圆形的直径
    double area = cv::contourArea(cnt);
    double equi_diameter = sqrt(4 * area / CV_PI);
    cout << "Equivalent Diameter与轮廓面积相等的圆形的直径:" << equi_diameter << endl;
}
void test5(vector<Point> cnt)
{
    // Orientation对象的方向下的方法会返回长轴和短轴的长度
    RotatedRect rect = cv::fitEllipse(cnt);
    cout << "Orientation对象的方向下的方法会返回长轴和短轴的长度:" << rect.center << "," << rect.size << "," << rect.angle << endl;
}
void test6(Mat imgray, vector<Point> cnt)
{
    // Mask and Pixel Points掩模和像素点
    Mat mask(imgray.size(), CV_8U);
    mask = Scalar::all(0);

    vector<vector<Point>> cnts;
    cnts.push_back(cnt);
    cv::drawContours(mask, cnts, 0, 255, -1);

    // 最大值和最小值及它们的位置
    double minValue;
    double maxValue;
    Point minLocation;
    Point maxLocation;
    minMaxLoc(imgray, &minValue, &maxValue, &minLocation, &maxLocation, Mat());
    cout << "最大值和最小值及它们的位置:" << minValue << "," << maxValue << "," << minLocation << "," << maxLocation << endl;

    // 我们也可以使用相同的掩模求一个对象的平均颜色或平均灰度
    Scalar mean_val = cv::mean(imgray, mask);
    cout << "平均色:" << mean_val << endl;
}

void test7(Mat img, vector<Point> cnt)
{
    Point topmost = *std::min_element(cnt.begin(), cnt.end(), [](const Point& a, const Point& b) { return a.y < b.y; });// 最上面
    Point bottommost = *std::min_element(cnt.begin(), cnt.end(), [](const Point& a, const Point& b) { return a.y > b.y; }); // 最下面
    Point leftmost = *std::min_element(cnt.begin(), cnt.end(), [](const Point& a, const Point& b) { return a.x < b.x; });// 最左面
    Point rightmost = *std::min_element(cnt.begin(), cnt.end(), [](const Point& a, const Point& b) { return a.x > b.x;}); // 最右面

    cout << "最上面:" << topmost << endl;
    cout << "最下面:" << bottommost << endl;
    cout << "最左:" << leftmost << endl;
    cout << "最右:" << rightmost << endl;

    cv::circle(img, topmost, 5, Scalar(0, 0, 255), -1);
    cv::circle(img, bottommost, 5, Scalar(0, 0, 255), -1);
    cv::circle(img, leftmost, 5, Scalar(0, 0, 255), -1);
    cv::circle(img, rightmost, 5, Scalar(0, 0, 255), -1);
    cv::imshow("img", img);
    cv::waitKey(0);
}

int main()
{
    Mat srcImage = cv::imread("../images/star3.jpg");
    Mat img;
    cv::cvtColor(srcImage, img, COLOR_BGR2GRAY);

    Mat thresh;
    cv::threshold(img, thresh, 127, 255, THRESH_BINARY);
    vector<vector<Point>> contours;
    vector<Vec4i> hierarcy;
    findContours(thresh, contours, hierarcy, RETR_TREE, CHAIN_APPROX_SIMPLE, Point(0, 0));
    cout << "contours len:" << contours.size() << endl;
    vector<Point> cnt = contours[0];  // contours 有三个，挑个最大的，方便演示

    test1(cnt);
    test2(cnt);
    test3(cnt);
    test4(cnt);
    test5(cnt);
    test6(img, cnt);
    test7(srcImage, cnt);
}

Python版本运行效果及代码如下：

运行结果：

源码如下：

import cv2
import numpy as np

def test1(cnt):
    # 边界矩形的宽高比
    x, y, w, h = cv2.boundingRect(cnt)
    aspect_ratio = float(w) / h
    print('边界矩形的宽高比:', aspect_ratio)

def test2(cnt):
    # Extent轮廓面积与边界矩形面积的比
    area = cv2.contourArea(cnt)
    x, y, w, h = cv2.boundingRect(cnt)
    rect_area = w * h
    extent = float(area) / rect_area
    print('Extent轮廓面积与边界矩形面积的比:', extent)

def test3(cnt):
    # Solidity轮廓面积与凸包面积的比。
    area = cv2.contourArea(cnt)
    hull = cv2.convexHull(cnt)
    hull_area = cv2.contourArea(hull)
    solidity = float(area) / hull_area
    print('Solidity轮廓面积与凸包面积的比:', solidity)

def test4(cnt):
    # Equivalent Diameter与轮廓面积相等的圆形的直径
    area = cv2.contourArea(cnt)
    equi_diameter = np.sqrt(4 * area / np.pi)
    print('Equivalent Diameter与轮廓面积相等的圆形的直径:', equi_diameter)

def test5(cnt):
    # Orientation对象的方向下的方法会返回长轴和短轴的长度（椭圆拟合）
    (x, y), (MA, ma), angle = cv2.fitEllipse(cnt)
    print('Orientation对象的方向下的方法会返回长轴和短轴的长度:',(x, y), (MA, ma), angle)

def test6(imgray):
    # Mask and Pixel Points掩模和像素点
    mask = np.zeros(imgray.shape, np.uint8)
    cv2.drawContours(mask, [cnt], 0, 255, -1)
    pixelpoints = np.transpose(np.nonzero(mask))

    # 最大值和最小值及它们的位置
    min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(imgray, mask=mask)
    print('最大值和最小值及它们的位置:',min_val, max_val, min_loc, max_loc)

    # 我们也可以使用相同的掩模求一个对象的平均颜色或平均灰度
    mean_val = cv2.mean(imgray, mask=mask)
    print('平均色:',mean_val)

def test7(img ,cnt):
    # 极点 一个对象最上面、最下面、最左、最右，的点。
    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])
    print('最上面:',topmost)
    print('最下面:',bottommost)
    print('最左:',leftmost)
    print('最右:',rightmost)
    cv2.circle(img, topmost, 5, (0, 0, 255), -1)
    cv2.circle(img, bottommost, 5, (0, 0, 255), -1)
    cv2.circle(img, leftmost, 5, (0, 0, 255), -1)
    cv2.circle(img, rightmost, 5, (0, 0, 255), -1)
    cv2.imshow("img", img)


srcImage = cv2.imread('../images/star3.jpg')
img = cv2.cvtColor(srcImage,cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(img, 127, 255, 0)
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
print('contours len:', len(contours))
cnt = contours[0]

test1(cnt)
test2(cnt)
test3(cnt)
test4(cnt)
test5(cnt)

test6(img)
test7(srcImage,cnt)

cv2.waitKey(0)
cv2.destroyAllWindows()