OpenCV 中如何计算轮廓的特征（如面积、周长、中心等）？

推荐答案

在 OpenCV 中，可以通过以下步骤计算轮廓的特征，如面积、周长、中心等：

// www.javascriptcn.com code example
import cv2
import numpy as np

# 读取图像并转换为灰度图
image = cv2.imread('image.jpg')
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 二值化处理
_, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)

# 查找轮廓
contours, _ = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

# 遍历每个轮廓
for contour in contours:
    # 计算面积
    area = cv2.contourArea(contour)
    
    # 计算周长
    perimeter = cv2.arcLength(contour, True)
    
    # 计算轮廓的中心
    M = cv2.moments(contour)
    if M["m00"] != 0:
        cx = int(M["m10"] / M["m00"])
        cy = int(M["m01"] / M["m00"])
    else:
        cx, cy = 0, 0
    
    # 输出结果
    print(f"Area: {area}, Perimeter: {perimeter}, Center: ({cx}, {cy})")

本题详细解读

1. 图像预处理

在计算轮廓特征之前，通常需要对图像进行预处理。首先将图像转换为灰度图，然后进行二值化处理，以便更好地提取轮廓。

image = cv2.imread('image.jpg')
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
_, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)

2. 查找轮廓

使用 cv2.findContours() 函数查找图像中的轮廓。该函数返回轮廓列表和层次结构。

contours, _ = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

3. 计算轮廓面积

使用 cv2.contourArea() 函数计算轮廓的面积。面积是轮廓内部像素的总和。

area = cv2.contourArea(contour)

4. 计算轮廓周长

使用 cv2.arcLength() 函数计算轮廓的周长。第二个参数表示轮廓是否是闭合的。

perimeter = cv2.arcLength(contour, True)

5. 计算轮廓中心

通过计算轮廓的矩（Moments）来获取轮廓的中心坐标。矩是图像处理中常用的特征，可以用来计算对象的质心等。

M = cv2.moments(contour)
if M["m00"] != 0:
    cx = int(M["m10"] / M["m00"])
    cy = int(M["m01"] / M["m00"])
else:
    cx, cy = 0, 0

6. 输出结果

最后，将计算得到的面积、周长和中心坐标输出。

print(f"Area: {area}, Perimeter: {perimeter}, Center: ({cx}, {cy})")

通过这些步骤，可以有效地计算并获取轮廓的各种特征。