如何使用OpenCV Python计算图像轮廓的面积和周长？

图像中物体的轮廓对于计算图像的面积和周长非常有帮助。图像的轮廓是连接沿边界的所有连续点的曲线，具有相同的颜色或强度。轮廓用于形状分析和对象检测和识别等。

要计算对象的面积和周长，我们首先检测对象的轮廓，然后分别应用 cv2.contourArea() 和 cv2.arcLength() 函数。

语法

以下语法用于函数−

area = cv2.contourArea(cnt)
perimeter = cv2.arcLength(cnt, True)

其中，“ cnt ”是图像中对象的轮廓点的numpy数组。

步骤

可以使用以下步骤来计算图像轮廓的面积和周长：

导入所需的库。在以下所有Python示例中，所需的Python库是 OpenCV 。请确保您已经安装了它。

import cv2

使用 cv2.imread() 读取输入图像并将其转换为灰度图像。

img = cv2.imread('pentagon.png')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

对灰度图像进行阈值处理以创建二进制图像。

ret,thresh = cv2.threshold(gray,150,255,0)

使用 cv2.findContours() 函数在图像中查找轮廓。

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

使用 cv2.contourArea(cnt) 和 cv2.arcLength(cnt, True) 函数计算图像中检测到的轮廓的面积和周长。

area = cv2.contourArea(cnt)
perimeter = cv2.arcLength(cnt, True)

在输入图像上绘制轮廓。

cv2.drawContours(img, [cnt], -1, (0,255,255), 3)

打印图像中检测到的轮廓的面积和周长。

print('Area:', area)
print('Perimeter:', perimeter)

我们来看一些例子以更好地理解。

示例1

在此程序中，我们计算输入图像“ pentagon.png ”中检测到的轮廓的面积和周长。

import cv2

# Read the input image
img = cv2.imread('shapes.jpg')

# convert the image to grayscale
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# Apply thresholding in the gray image to create a binary image
ret,thresh = cv2.threshold(gray,127,255,0)

# Find the contours using binary image
contours,hierarchy = cv2.findContours(thresh, cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
print("Number of contours in image:",len(contours))

# compute the area and perimeter for each contour
for cnt in contours:
    area = cv2.contourArea(cnt)
    perimeter = cv2.arcLength(cnt, True)
    perimeter = round(perimeter, 4)
    print('Area:', area)
    print('Perimeter:', perimeter)
    img1 = cv2.drawContours(img, [cnt], -1, (0,255,0), 3)
    x1, y1 = cnt[0,0]
    cv2.putText(img1, f'Area:{area}', (x1, y1), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0, 0, 255), 2)
    cv2.putText(img1, f'Perimeter:{perimeter}', (x1, y1+20), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0, 0, 255), 2)

cv2.imshow("Image", img)
cv2.waitKey(0)
cv2.destroyAllWindows()

应用结果

运行以上代码可获得以下结果 –

Number of contours in image: 4 
Area: 7189.0 
Perimeter: 324.2467
Area: 9501.0 
Perimeter: 366.6823
Area: 31262.5 
Perimeter: 707.404
Area: 48453.0 
Perimeter: 1053.6222

我们可以看到窗口显示了所有检测到的轮廓，并在每个轮廓周围添加了对区域和周长的标签。

import cv2
import numpy as np

img1 = cv2.imread('shapes.jpg')
img = cv2.cvtColor(img1, cv2.COLOR_BGR2GRAY)
ret,thresh = cv2.threshold(img,10,255,0)
contours,hierarchy = cv2.findContours(thresh, 1, 2)
print("图像中的轮廓数量:",len(contours))

for i, cnt in enumerate(contours):
   M = cv2.moments(cnt)
   if M['m00'] != 0.0:
      x1 = int(M['m10']/M['m00'])
      y1 = int(M['m01']/M['m00'])
   area = cv2.contourArea(cnt)
   perimeter = cv2.arcLength(cnt, True)
   perimeter = round(perimeter, 4)
   print(f'轮廓{i+1}的面积:, area)
   print(f'轮廓{i+1}的周长:, perimeter)
   img1 = cv2.drawContours(img1, [cnt], -1, (0,255,255), 3)
   cv2.putText(img1, f'面积 :{area}', (x1, y1), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0<, 255, 0), 2)
   cv2.putText(img1, f'周长 :{perimeter}', (x1, y1+20), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0, 255, 0), 2)

cv2.imshow("图像", img1)
cv2.waitKey(0)
cv2.destroyAllWindows()

我们将使用以下图像作为 输入文件 在上面的程序中。

输出

执行后，将在控制台上输出以下内容 −

图像中的轮廓数：4 
轮廓1的面积：29535.0 
轮廓1的周长：688.0
轮廓2的面积：16206.5 
轮廓2的周长：608.6589 
轮廓3的面积：19240.0 
轮廓3的周长：518.2153 
轮廓4的面积：25248.0 
轮廓4的周长：718.0

我们将获得以下窗口，显示输出结果。