摘要：因此，邊界矩形的面積不會最小設，為矩形的左上角坐標，，為寬度和高度代碼最小外接矩形返回一個結構，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算物體的某些特征，如對象的質心，對象的區域等.

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，可以提取有用的數據，如面積，質心等.
質心由關系給出：

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

cv2.contourArea(contour[, oriented])

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

它根據我們指定的精度將輪廓形狀近似為具有較少頂點數的另一個形狀.它是Douglas-Peucker算法的一種實現方式.

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

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

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果）.

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

points:傳入的輪廓

hull：輸出

clockwise：方向標志，如果為True，則順時針方向輸出凸包.

returnPoints：默認情況下為True，然后它返回hull points的坐標； 如果為False，則返回與hull points對應的輪廓點的索引

下面的手形圖像. 紅線表示手的凸包， 雙面箭頭標記顯示凸起缺陷.

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,得到以下結果:

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

這些是輪廓中相應點的索引,檢查第一個值：

cnt[129]

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

與第一個結果相同.

cv2.isContourConvex(contour):檢查曲線是否凸起

它是一個直的矩形，它不考慮對象的旋轉。因此，邊界矩形的面積不會最小.
cv.boundingRect()
設（x，y）為矩形的左上角坐標，（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Box2D結構，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)