1.对象测量

opencv 中对象测量包括：
如面积，周长，质心，边界框等。
弧长与面积测量；
多边形拟合；
获取轮廓的多边形拟合结果。

python-opencv提供的方法：

cv2.moments() 用来计算图像中的中心矩(最高到三阶)，

cv2.HuMoments() 用于由中心矩计算Hu矩，同时配合函数cv2.contourArea()函数计算轮廓面积，和cv2.arcLength()来计算轮廓或曲线长度

cv.approxPolyDP（多边形逼近）
-contour
-epsilon 越小越折线越逼近真实形状
-close 是否为闭合区域

函数cv2.boundingRect返回四个参数（x，y）为矩形左上角的坐标，（w，h）是矩形的宽和高。函数cv2.rectangle是绘制矩形函数

函数cv2.minAreaRect返回的是一个 Box2D 结构，
其中包含 :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。
但是要绘制这个矩形需要矩形的 4 个角点，可以通过函数 cv2.boxPoints() 获得，最后绘制得到旋转边界矩形。

函数cv2.minEnclosingCircle可以帮我们找到一个对象的外切圆。它是所有能够完全包括对象的圆中面积最小的一个。

函数cv2.fitEllipse返回值其实就是旋转边界矩形的内切圆。

几何矩计算

一幅M×N的数字图像ƒ(i,j)，其p+q阶几何矩mpq 和中心矩 μpq为：

在这里插入图片描述

2.多边形拟合

步骤:

（1）读取图片；
（2）转换成灰度图；
（3）二值化；
（4）轮廓检测；
（5）计算轮廓周长；
（6）多边形拟合；

格式:

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

参数:

curve: 输入轮廓；
epsilon: 逼近曲率, 越小表示相似逼近越厉害；
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)

# 计算轮廓
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)

# 轮廓近似
perimeter = cv2.arcLength(contours[0], True)
approx = cv2.approxPolyDP(contours[0], perimeter * 0.1, True)

# 绘制轮廓
result1 = cv2.drawContours(image.copy(), contours, 0, (0, 0, 255), 2)
result2 = cv2.drawContours(image.copy(), [approx], -1, (0, 0, 255), 2)

# 图片展示
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()

输出结果：

在这里插入图片描述

3.计算对象中心

cv2.moments()可以帮助我们得到轮距, 从而进一步计算图片对象的中心。

cv2.moments(array, binaryImage=None)

参数:
array: 轮廓；
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)

# 获取轮廓
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 遍历每个轮廓
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)

# 图片展示
cv2.imshow("result", image)
cv2.waitKey(0)
cv2.destroyAllWindows()

# 保存图片
cv2.imwrite("result1.jpg", image)