对象掩码
- 用于获取构成对象的所有像素点
import cv2
import numpy as np
img = cv2.imread('3.jpg')
imggray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(imggray, 127, 255, 0)
_, contours, _ = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
mask = np.zeros(imggray.shape, np.uint8)
cv2.drawContours(mask, [contours[0]], 0, 255, -1)
pixelpoints = np.transpose(np.nonzero(mask))
print(pixelpoints)
cv2.imshow("mask", mask)
cv2.waitKey(0)
- 最大值和最小值及它们的位置
min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(imgray,mask = mask)
- 使用相同的掩模求一个对象的平均颜色或平均灰度
min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(imgray,mask = mask)
形状匹配
查找图像轮廓：findContours
image：参数是寻找轮廓的图像；
mode：参数表示轮廓的检索模式，有四种（本文介绍的都是新的cv2接口）：
- cv2.RETR_EXTERNAL：表示只检测外轮廓
- cv2.RETR_LIST：检测的轮廓不建立等级关系
- cv2.RETR_CCOMP：建立两个等级的轮廓，上面的一层为外边界，里面的一层为内孔的边界信息。如果内孔内还有一个连通物体，这个物体的边界也在顶层。
- cv2.RETR_TREE：建立一个等级树结构的轮廓。
method：轮廓的近似办法：
- cv2.CHAIN_APPROX_NONE：存储所有的轮廓点，相邻的两个点的像素位置差不超过1，即max（abs（x1-x2），abs（y2-y1））==1
- cv2.CHAIN_APPROX_SIMPLE：压缩水平方向，垂直方向，对角线方向的元素，只保留该方向的终点坐标，例如一个矩形轮廓只需4个点来保存轮廓信息
- cv2.CHAIN_APPROX_TC89_L1，CV_CHAIN_APPROX_TC89_KCOS：使用teh-Chinl chain 近似算法
返回值：
- contour：轮廓本身
- hierarchy：每条轮廓对应的属性，其中的元素个数和轮廓个数相同，每个轮廓contours[i]对应4个hierarchy元素hierarchy[i][0] ~hierarchy[i][3]，分别表示后一个轮廓、前一个轮廓、父轮廓、内嵌轮廓的索引编号，如果没有对应项，则该值为负数。
比较两个形状或轮廓的相似度：cv2.matchShape
如果返回值越小， 匹配越好。它是根据 Hu 矩来计算的。
Hu 矩是归一化中心矩的线性组合之所以这样做是为了能够获取 代表图像的某个特征的矩函数这些矩函数对某些变化如缩放 ，旋转，镜像映射（ 除了 h1）具有不变形。- contour1：第一个轮廓，numpy 数组类型
- contour2：第二个轮廓，numpy 数组类型
- method：计算相似度的方法，可以是以下值之一：
- cv2.CONTOURS_MATCH_I1：使用第一种方法计算相似度
- cv2.CONTOURS_MATCH_I2：使用第二种方法计算相似度
- cv2.CONTOURS_MATCH_I3：使用第三种方法计算相似度
- parameter：方法的参数，现在好像没什么用，可以设为0
import cv2
import numpy as np
img1 = cv2.imread('4.jpg', 0)
img2 = cv2.imread('5.jpg', 0)
ret, thresh = cv2.threshold(img1, 127, 255, 0)
_, contours, hierarchy = cv2.findContours(thresh, 2, 1)
cnt1 = contours[0]
ret, thresh2 = cv2.threshold(img2, 127, 255, 0)
_, contours, hierarchy = cv2.findContours(thresh2, 2, 1)
cnt2 = contours[0]
ret = cv2.matchShapes(cnt1, cnt2, 1, 0.0)
print(ret)