摘要:請注意,和最大值和最小值及它們的位置我們可以使用掩模圖像得到這些參數平均顏色或平均強度在這里,我們可以找到對象的平均顏色。我們再次使用掩模完成它極點目標最上面,最下面,最左邊,最右邊的點
Contour Properties
1 縱橫比它是對象的邊界矩形的寬度與高度的比率.
$$ Rspect Ratio = frac{Width}{Height} $$
x,y,w,h = cv2.boundingRect(cnt) aspect_ratio = float(w)/h2 Extent
輪廓面積和外接矩形面積的比值
$$ Extent = frac{Object Area}{Bounding Rectangle Area} $$
area = cv2.contourArea(cnt) x,y,w,h = cv2.boundingRect(cnt) rect_area = w*h extent = float(area)/rect_area3 Solidity
輪廓面積與凸包面積的比
$$ Extent = frac{Contou Area}{Convex Hull Area} $$
area = cv.contourArea(cnt) hull = cv.convexHull(cnt) hull_area = cv.contourArea(hull) solidity = float(area)/hull_area4 等效直徑
與輪廓面積相等的圓形的直徑
$$ Equivalent Diameter = sqrt{frac{4 imes;Contou Area}{Convex Hull Area}}quad $$
area = cv2.contourArea(cnt) equi_diameter = np.sqrt(4*area/np.pi)5 方向
方向是對象定向的角度。 以下方法還給出了主軸和短軸長度。
(x,y),(MA,ma),angle = cv2.fitEllipse(cnt)6 掩模和像素點
在某些情況下,我們可能需要包含該對象的所有點.可以這樣做:
mask = np.zeros(imgray.shape,np.uint8) cv2.drawContours(mask,[cnt],0,255,-1) pixelpoints = np.transpose(np.nonzero(mask)) #pixelpoints = cv2.findNonZero(mask)
這里,兩個方法,一個使用Numpy函數,另一個使用OpenCV函數(最后一個注釋行)給出相同的方法。 結果也相同,但略有不同。 Numpy以(行,列)格式給出坐標,而OpenCV以(x,y)格式給出坐標。 所以答案基本上會互換。 請注意,row = x和column = y.
7 最大值和最小值及它們的位置我們可以使用掩模圖像得到這些參數:
min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(imgray,mask = mask)8 平均顏色或平均強度
在這里,我們可以找到對象的平均顏色。 或者它可以是灰度模式下物體的平均強度。 我們再次使用掩模完成它.
ean_val = cv2.mean(im,mask = mask)9 極點
目標最上面,最下面,最左邊,最右邊的點
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])
文章版權歸作者所有,未經允許請勿轉載,若此文章存在違規行為,您可以聯系管理員刪除。
轉載請注明本文地址:http://specialneedsforspecialkids.com/yun/41999.html
摘要:表示應用漸變的元素創建的邊界坐標系統。控制點確定起點終點的斜率終點坐標二次貝塞爾曲線和之前一樣,快捷命令會通過前一個控制點,推斷出一個新的控制點。如果單獨使用,那么控制點就會被認為和終點是同一個點,所以畫出來的將是一條直線。 SVG 相關學習 SVG SVG 指可伸縮矢量圖形 (Scalable Vector Graphics) SVG viewBox viewport svg 實際大...
摘要:的文本檢測器是一種基于新穎架構和訓練模式的深度學習模型。深度學習文本檢測器圖文本檢測全卷積網絡的結構等人的圖。隨著和的發布,我們現在可以使用一種名為的基于深度學習的文本檢測器,它基于等人的年論文一種高效精確的場景文本檢測器。 by Adrian Rosebrock on August 20, 2018 in Deep Learning, Optical Character Recogn...
閱讀 3387·2021-11-22 15:22
閱讀 2371·2021-09-06 15:00
閱讀 871·2020-06-22 14:39
閱讀 3704·2019-08-30 15:56
閱讀 1540·2019-08-30 12:55
閱讀 3260·2019-08-29 17:19
閱讀 3231·2019-08-26 11:41
閱讀 613·2019-08-23 17:14