如何使用OpenCV Python在图像中找到对象的固体度和等效直径？
对象的固体度是由轮廓面积与其凸包面积的比率计算得出的。因此，要计算固体度，首先必须找到轮廓面积和凸包面积。可以使用 cv2.contourArea() 函数找到对象的轮廓面积。
等效直径是圆的直径，其面积与轮廓面积相同。可以按以下方式计算固体度和等效直径 –
语法
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中对象的固体度和等效直径 –
导入所需的库。在以下所有Python示例中，所需的Python库为 OpenCV 。请确保您已经安装了它。
使用 cv2.imread() 读取输入图像并将其转换为灰度。
对灰度图像应用阈值处理，以创建二进制图像。调整第二个参数以更好地检测轮廓。
使用 cv2.findContours() 函数查找图像中的轮廓。
选择轮廓“ cnt ”或循环遍历所有轮廓。计算对象的固体度和等效直径。首先计算轮廓面积和凸包面积。
可选择在输入图像上绘制凸包。并在图像上放置固体度和等效直径文本。
打印固体度和等效直径并显示带有绘制的凸包和编写的文本的图像。
让我们看一些示例以更清楚地理解。
Example 1
在此Python程序中，我们计算图像中对象的固体度和等效直径。我们为图像中的对象绘制了凸包。我们还将对象的固体度和等效直径值作为文本放在图像上。
我们将使用此图像作为此程序中的 输入文件 −
输出
当我们执行上面的代码时，它将产生以下输出−
然后我们会在 窗口 中得到以下输出−
输出显示检测到的对象和凸包用青色绘制，检测到的对象的固定度和等效直径以绿色写出。
例2
在此Python程序中，我们计算图像中多个对象的固定度和等效直径。我们在图像上为每个对象绘制凸包。我们还将每个对象的固定度和等效直径作为文本放置。
import cv2
import numpy as np
img = cv2.imread('convexhull.png')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret,thresh = cv2.threshold(gray,100,255,0)
contours,hierarchy = cv2.findContours(thresh, 1, 2)
print("Number of objects detected:", len(contours))
def solidity(cnt):
area = cv2.contourArea(cnt)
hull = cv2.convexHull(cnt)
hull_area = cv2.contourArea(hull)
solidity = float(area)/hull_area
return solidity
def eq_dia(cnt):
area = cv2.contourArea(cnt)
equi_diameter = np.sqrt(4*area/np.pi)
return equi_diameter
for i, cnt in enumerate(contours):
solid = solidity(cnt)
solid= round(solid, 2)
dia = eq_dia(cnt)
dia =round(dia, 2)
x,y,w,h = cv2.boundingRect(cnt)
hull = cv2.convexHull(cnt)
img = cv2.drawContours(img,[hull],0,(0,255,255),2)
cv2.putText(img, f'Solidity={solid}', (x, y), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0, 255, 0), 2)
cv2.putText(img, f'Equivalent Diameter={dia}', (x, y+30), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (255, 255, 0), 2)
print(f"Solidity of object {i+1}: ", solid)
print(f"Equivalent Diameter of object {i+1}: ", dia)
cv2.imshow("Solidity and Equi Diameter", img)
cv2.waitKey(0)
cv2.destroyAllWindows()
我们将使用此图像作为程序中的输入文件，操作如下：
输出结果
执行以上代码后，将产生以下输出结果 ：
然后，我们可以在下方窗口获取以下 输出结果 ：
凸包用黄色绘制。它还显示每个物体的紧密度和等效直径。
极客教程