目录：

问题，轮廓找到了，如何去计算对象的弧长与面积（闭合），多边形拟合，几何矩的计算等

（一）对象的弧长与面积

（二）多边形拟合

（三）几何矩的计算

（四）获取图像的外接矩形boundingRect和几何距moments

（五）多边形逼近approxPolyDP

（一）对象的弧长与面积

1.步骤：轮廓发现，计算每个轮廓的弧长与面积, 像素单位。

（二）多边形拟合

步骤：

A.获取轮廓的多边形拟合结果

B.approxPolyDP

- contour

- epsilon越小越折线越逼近真实形状

- close – 是否为闭合区域

（三）几何矩的计算

（四）获取图像的外接矩形boundingRect和几何距moments

1 import cv2 as cv
2 import numpy as np
3
4 def measure_object(image):
5 gray = cv.cvtColor(image,cv.COLOR_BGR2GRAY) #转灰度图像
6 ret, binary = cv.threshold(gray,0,255,cv.THRESH_OTSU|cv.THRESH_BINARY_INV) #获取二值化图像
#cv.THRESH_BINARY | cv.THRESH_OTSU 和cv.THRESH_BINARY_INV | cv.THRESH_OTSU（推荐）试一试

7 print("thresold value:",ret)
8 cv.imshow("binary image",binary)
9 outImage,contours,hireachy = cv.findContours(binary,cv.RETR_EXTERNAL,cv.CHAIN_APPROX_SIMPLE)
10 for i,contour in enumerate(contours):
11 area = cv.contourArea(contour) #获取每个轮廓面积
12 x,y,w,h = cv.boundingRect(contour) #获取轮廓的外接矩形
13 rate = min(w,h)/max(w,h) #获取外接矩形宽高比，可以起到一定的筛选作用
14 print("rectangle rate:%s"%rate)
15 mm = cv.moments(contour) #求取轮廓的几何距
16 print(type(mm))
17 print(mm)
18 cx = mm['m10']/mm['m00']
19 cy = mm['m01']/mm['m00'] # 重心坐标
20 cv.circle(image,(np.int(cx),np.int(cy)),2,(0,255,255),-1) #根据几何距获取的中心点，画出中心圆
21 cv.rectangle(image,(x,y),(x+w,y+h),(0,0,255),2) #根据轮廓外接矩形返回数据，画出外接矩形
22 print("contour area:",area)
23 cv.imshow("measure_object",image)
24
25
26 src = cv.imread("./dg.png") #读取图片
27 cv.namedWindow("input image",cv.WINDOW_AUTOSIZE) #创建GUI窗口,形式为自适应
28 cv.imshow("input image",src) #通过名字将图像和窗口联系
29
30 measure_object(src)
31
32 cv.waitKey(0) #等待用户操作，里面等待参数是毫秒，我们填写0，代表是永远，等待用户操作
33 cv.destroyAllWindows() #销毁所有窗口

mm-->{'m02': 3301.25, 'm12': 233530.03333333333, 'm30': 6934377.600000001, 'mu11': -10.721153846156085, 'm21': 1265395.2, 'nu02': 0.08336283484212434, 'm01': 252.5, 'mu30': -12.458842864260077, 'nu21': 0.003451665836783194, 'mu12': 11.46577909273492, 'nu12': 0.006828369938345303, 'mu02': 31.698717948717785, 'mu21': 5.795825115486707, 'm03': 43556.350000000006, 'nu30': -0.007419782588937784, 'm20': 97840.41666666666, 'm00': 19.5, 'm10': 1381.0, 'nu20': 0.09806301522275791, 'mu03': -11.52064431294275, 'm11': 17871.458333333332, 'nu03': -0.0068610445623109115, 'mu20': 37.2884615384537, 'nu11': -0.028195013402119877}

（五）多边形逼近approxPolyDP

1 import cv2 as cv
2 import numpy as np
3
4
5 def measure_object(image):
6 gray = cv.cvtColor(image,cv.COLOR_BGR2GRAY) #转灰度图像
7 ret, binary = cv.threshold(gray,0,255,cv.THRESH_OTSU|cv.THRESH_BINARY) #获取二值化图像
8 cv.imshow("binary image",binary)
9 dst = cv.cvtColor(binary,cv.COLOR_GRAY2BGR)
10 outImage,contours,hireachy = cv.findContours(binary,cv.RETR_EXTERNAL,cv.CHAIN_APPROX_SIMPLE)
11 for i,contour in enumerate(contours):
12 mm = cv.moments(contour) #求取轮廓的几何距
13 cx = mm['m10']/mm['m00']
14 cy = mm['m01']/mm['m00']
15 cv.circle(dst,(np.int(cx),np.int(cy)),2,(0,255,255),-1) #画出中心点
16 approxCurve = cv.approxPolyDP(contour,4,True) #4是与阈值的间隔大小，越小越易找出，True是是否找闭合图像
17 print(approxCurve.shape)
18 if approxCurve.shape[0] >= 7:
19 cv.drawContours(dst,contours,i,(0,255,0),2)　　#画出轮廓
20 elif approxCurve.shape[0] == 4:
21 cv.drawContours(dst,contours,i,(0,0,255),2)
22 else:
23 cv.drawContours(dst,contours,i,(255,0,0),2)
24
25 cv.imshow("measure_object",dst)
26
27
28 src = cv.imread("./lk.png") #读取图片
29 cv.namedWindow("input image",cv.WINDOW_AUTOSIZE) #创建GUI窗口,形式为自适应
30 cv.imshow("input image",src) #通过名字将图像和窗口联系
31
32 measure_object(src)
33
34 cv.waitKey(0) #等待用户操作，里面等待参数是毫秒，我们填写0，代表是永远，等待用户操作
35 cv.destroyAllWindows() #销毁所有窗口

参考：

https://www.cnblogs.com/ssyfj/p/9276722.html