1圖像矩
幫你計算一些屬性，比如重心钠右，面積等邪意。
函數(shù)cv2.moments()會給你一個字典，包含所有矩值
import cv2
import numpy as np
img = cv2.imread('star.jpg',0)
ret,thresh = cv2.threshold(img,127,255,0)
contours,hierarchy = cv2.findContours(thresh, 1, 2)
cnt = contours[0]
M = cv2.moments(cnt)
print M
你可以從這個里面得到有用的數(shù)據(jù)比如面積丽蝎，重心等猎拨。重心可以用下面的式子得到：
cx=int(M['m10']/M['m00'])
cy=int(M['m01']/M['m00'])
2.輪廓面積
輪廓面積由函數(shù)cv2.contourArea()得到或者從矩里得到M['m00']
area=cv2.contourArea(cnt)
3.輪廓周長
可以用cv2.arcLength()函數(shù)得到。第二個參數(shù)指定形狀是否是閉合的輪廓（如果傳True）屠阻『焓。或者只是一個曲線。
perimeter=cv2.arcLength(cnt,True)
4.輪廓近似
這會把輪廓形狀近似成別的邊數(shù)少的形狀国觉，邊數(shù)由我們指定的精確度決定吧恃。這是Douglas-Peucker算法的實現(xiàn)。
要理解這個麻诀，假設(shè)你試圖找一個圖像里的方塊痕寓，但是由于圖像里的一些問題，你得不到一個完美的方塊蝇闭，只能得到一個“壞方塊”∩肼剩現(xiàn)在你可以使用這個函數(shù)來近似，第二個參數(shù)叫epsilon丁眼，是從輪廓到近似輪廓的最大距離筷凤。是一個準(zhǔn)確率參數(shù)，好的epsilon的選擇可以得到正確的輸出。
epsilon = 0.1*cv2.arcLength(cnt,True)
approx = cv2.approxPolyDP(cnt,epsilon,True)
在下面第二個圖像里藐守，綠線顯示了epsilon = 10% of arc length 的近似曲線挪丢。第三個圖像顯示了epsilon = 1% of the arc length。第三個參數(shù)指定曲線是否閉合卢厂。
5.凸形外殼
凸形外殼和輪廓近似類似乾蓬，但是還不一樣（某些情況下兩個甚至提供了同樣的結(jié)果）。這兒慎恒，cv2.convexHull()函數(shù)檢查凸面曲線缺陷并修復(fù)它任内。一般來說，凸面曲線總是外凸的融柬，至少是平的死嗦，如果它內(nèi)凹了，這就叫凸面缺陷粒氧。比如下面這張圖越除，紅線顯示了手的凸形外殼。雙向箭頭顯示了凸面缺陷外盯，是輪廓外殼的最大偏差摘盆。
hull = cv2.convexHull(points[, hull[, clockwise[, returnPoints]]
參數(shù)詳情：
·points 是我們傳入的輪廓
·hull 是輸出，一般我們不用傳
·clockwise： 方向標(biāo)示饱苟，如果是True孩擂，輸出凸形外殼是順時針方向的。否則箱熬，是逆時針的类垦。
·returnPoints：默認(rèn)是True。然后會返回外殼的點的坐標(biāo)坦弟。如果為False护锤，它會返回輪廓對應(yīng)外殼點的索引。
所以要獲得凸形外殼酿傍，下面
hull=cv2.convexHull(cnt)
但是如果你想找到凸面缺陷烙懦，你需要傳入returnPoints = False。我們拿上面的矩形圖形來說赤炒，首先我找到他的輪廓cnt氯析，現(xiàn)在用returnPoints = True來找他的凸形外殼，我得到下面的值：[[[234 202]], [[51 202]], [51 79]], [[234 79]]] ?是四個角的點莺褒。如果你用returnPoints = False掩缓，我會得到下面的結(jié)果：[[129], [67], [0], [142]]. ?這是輪廓里對應(yīng)點的索引，比如cnt[129] = [234, 202]]遵岩，這和前面結(jié)果一樣你辣。
6.檢查凸面
有一個函數(shù)用來檢查是否曲線是凸面, cv2.isContourConvex().它返回True或False巡通。
k=cv2.isContourConvex(cnt)
7.邊界矩形
有兩種邊界矩形
7.a.正邊界矩形
這個矩形不考慮對象的旋轉(zhuǎn)，所以邊界矩形的面積不是最小的舍哄，函數(shù)是cv2.boundingRect()宴凉。
假設(shè)矩形左上角的坐標(biāo)是(x,y)， （w, h）是它的寬和高
x,y,w,h = cv2.boundingRect(cnt)
img = cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,0),2)
7.b.渲染矩形
這個邊界矩形是用最小面積畫出來的表悬，所以要考慮旋轉(zhuǎn)弥锄。函數(shù)是cv2.minAreaRect()。它返回一個Box2D結(jié)構(gòu)蟆沫，包含了(左上角(x,y)籽暇，（width, height）,旋轉(zhuǎn)角度）。但是要畫這個矩形我們需要4個角饭庞。這四個角用函數(shù)cv2.boxPoints()得到
rect = cv2.minAreaRect(cnt)
box = cv2.boxPoints(rect)
box = np.int0(box)
im = cv2.drawContours(im,[box],0,(0,0,255),2)
8.最小閉包圓
我們找一個目標(biāo)的外接圓可以用函數(shù)cv2.minEnclosingCircle().這個圓用最小面積完全包圍目標(biāo)戒悠。
(x,y),radius = cv2.minEnclosingCircle(cnt)
center = (int(x),int(y))
radius = int(radius)
img = cv2.circle(img,center,radius,(0,255,0),2)
9.橢圓
用一個橢圓來匹配目標(biāo)。它返回一個旋轉(zhuǎn)了的矩形的內(nèi)接橢圓
ellipse=cv2.fitEllipse(cnt)
im=cv2.ellipse(im,ellipse,(0,255,0),2)
10. 直線
類似的我們可以匹配一根直線舟山，下面的圖像包含一系列的白色點救崔，我們可以給它一條近似的直線。
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)
img = cv2.line(img,(cols-1,righty),(0,lefty),(0,255,0),2)
END
