摘要：因此，邊界矩形的面積不會(huì)最小設(shè)，為矩形的左上角坐標(biāo)，，為寬度和高度代碼最小外接矩形返回一個(gè)結(jié)構(gòu)，其中包含以下，，，，畫上述矩形代碼最小封閉圈擬合橢圓擬合直線

Contour Features

cv2.moments()
圖像的矩可以幫助計(jì)算物體的某些特征，如對(duì)象的質(zhì)心，對(duì)象的區(qū)域等.

代碼：

import cv2
import numpy as np

img = cv2.imread("img7.png",0)
ret,thresh = cv2.threshold(img,127,255,0)
im2,contours,hierarchy = cv2.findContours(thresh, 1, 2)

cnt = contours[0]
M = cv2.moments(cnt)
print( M )

輸出：{"m00": 283.0, "m10": 8260.666666666666, "m01": 34747.666666666664, "m20": 251349.8333333333, "m11": 1008063.0, "m02": 4274513.166666666, "m30": 7941981.4, "m21": 30484543.9, "m12": 123258620.46666667, "m03": 526819846.70000005, "mu20": 10223.989595602674, "mu11": -6208.702394974302, "mu02": 8080.874165684916, "mu30": 8302.495426246896, "mu21": -14552.154961312423, "mu12": 11791.528133469663, "mu03": -3268.923251092434, "nu20": 0.12765785058625623, "nu11": -0.07752253611575, "nu02": 0.10089867729257346, "nu30": 0.006162296011483629, "nu21": -0.010800931752771139, "nu12": 0.008751933371317017, "nu03": -0.0024262672459139235}

此刻，可以提取有用的數(shù)據(jù)，如面積，質(zhì)心等.
質(zhì)心由關(guān)系給出：

cx = int(M["m10"]/M["m00"])
cy = int(M["m01"]/M["m00"])

cv2.contourArea(contour[, oriented])

cv2.arcLength(curve, closed)
第二個(gè)參數(shù)指定形狀是否為閉合輪廓

它根據(jù)我們指定的精度將輪廓形狀近似為具有較少頂點(diǎn)數(shù)的另一個(gè)形狀.它是Douglas-Peucker算法的一種實(shí)現(xiàn)方式.

cv2.approxPolyDP(curve, epsilon, closed[, approxCurve])

第二個(gè)參數(shù)epsilon，它是從輪廓到近似輪廓的最大距離.第三個(gè)參數(shù)指定曲線是否閉合.

下面，在第二幅圖像中，綠線表示epsilon =弧長的10％的近似曲線. 第三幅圖像顯示相同的epsilon =弧長的1％.
代碼：

import cv2
import numpy as np

img = cv2.imread("img8.png")
cv2.imshow("src",img)
imgray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(imgray, 127, 255, 0)
im2, contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
cnt = contours[1]

epsilon = 0.1*cv2.arcLength(cnt,True)
approx = cv2.approxPolyDP(cnt,epsilon,True)
cv2.polylines(img, [approx], True, (0, 0, 255), 2)

cv2.imshow("show",img)
cv2.waitKey()

凸包看起來類似輪廓近似，但是它不是（兩者在某些情況下可能提供相同的結(jié)果）.

convexHull(points[, hull[, clockwise[, returnPoints]]]):檢查曲線的凸性缺陷并進(jìn)行修正.

points:傳入的輪廓

hull：輸出

clockwise：方向標(biāo)志，如果為True，則順時(shí)針方向輸出凸包.

returnPoints：默認(rèn)情況下為True，然后它返回hull points的坐標(biāo)； 如果為False，則返回與hull points對(duì)應(yīng)的輪廓點(diǎn)的索引

下面的手形圖像. 紅線表示手的凸包， 雙面箭頭標(biāo)記顯示凸起缺陷.

代碼：

import cv2
import numpy as np

img = cv2.imread("img8.png")

imgray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(imgray, 127, 255, 0)
im2, contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
cnt = contours[1]

hull = cv2.convexHull(cnt)

returnPoints = True，得到以下值:

array([[[192, 135]],
       [[  9, 135]],
       [[  9,  12]],
       [[192,  12]]], dtype=int32)

如果想找到凸性缺陷，需要傳遞returnPoints = False,得到以下結(jié)果:

array([[129],
       [ 67],
       [  0],
       [142]], dtype=int32)
       

這些是輪廓中相應(yīng)點(diǎn)的索引,檢查第一個(gè)值：

cnt[129]

Out[3]: array([[192, 135]], dtype=int32)

與第一個(gè)結(jié)果相同.

cv2.isContourConvex(contour):檢查曲線是否凸起

它是一個(gè)直的矩形，它不考慮對(duì)象的旋轉(zhuǎn)。因此，邊界矩形的面積不會(huì)最小.
cv.boundingRect()
設(shè)（x，y）為矩形的左上角坐標(biāo)，（w，h）為寬度和高度
代碼：

import cv2
import numpy as np

img = cv2.imread("img7.png")

imgray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(imgray, 127, 255, 0)
im2, contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
cnt = contours[0]

x,y,w,h = cv2.boundingRect(cnt)
cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,0),2)

cv2.imshow("show",img)
cv2.waitKey()

cv.minAreaRect返回一個(gè)Box2D結(jié)構(gòu)，其中包含以下detals - （center（x，y），（width，height），rotation of rotation）
cv.boxPoints畫上述矩形.

代碼：

rect = cv2.minAreaRect(cnt)
box = cv2.boxPoints(rect)
box = np.int0(box)
cv2.drawContours(img,[box],0,(0,0,255),2)

(x,y),radius = cv2.minEnclosingCircle(cnt)
center = (int(x),int(y))
radius = int(radius)
cv2.circle(img,center,radius,(0,255,0),2)

ellipse = cv2.fitEllipse(cnt)
cv2.ellipse(img,ellipse,(0,255,0),2)

rows,cols = img.shape[:2]
[vx,vy,x,y] = cv2.fitLine(cnt, cv2.DIST_L2,0,0.01,0.01)
lefty = int((-x*vy/vx) + y)
righty = int(((cols-x)*vy/vx)+y)
cv2.line(img,(cols-1,righty),(0,lefty),(0,255,0),2)