3.轮廓的性质

        本文我们将主要学习基于轮廓来提取一些经常使用的对象特征。

3.1 长宽比

        边界矩形的宽高比：

x,y,w,h = cv2.boundingRect(cnt)
aspect_ratio = float(w)/h

3.2 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

3.3 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

3.4 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)

3.5 方向

        对的方向，下面的方法会返回长轴和短轴的长度。

(x,y),(MA,ma),angle = cv2.fitEllipse(cnt)

3.6 掩膜和像素点

        有时我们需要构成对象的所有像素点，我们可以这样做：

mask = np.zeros(imgray.shape,np.uint8)
# 􄦈􄭻一定􄌰使用参数-1, 绘制填充的的􄤝廓
cv2.drawContours(mask,[cnt],0,255,-1)
#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)

        这里我们使用了两种方法，第一种方法使用了Numpy 函数，第二种使用了OpenCV 函数。结果相同，但还是有点不同。Numpy 给出的坐标是（row，colum）形式的。而OpenCV 给出的格式是(x,y)形式的。所以两个结果基本是可以互换的。row=x,colunm=y。 

3.7 最大值和最小值及位置

        我们可以使用掩模图像得到这些参数。

min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(imgray,mask = mask)

3.8 平均颜色及平均灰度

        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(im,mask = mask)

3.9 极点

        一个对象最上，最下，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])

 如下图所示：