如何使用 OpenCV Python 计算图像轮廓的面积和周长?

opencvpythonserver side programmingprogramming

图像中对象的轮廓对于计算图像的面积和周长非常有帮助。图像的轮廓是一条曲线，连接边界上所有具有相同颜色或强度的连续点。轮廓用于形状分析、物体检测和识别等。

要计算物体的面积和周长，我们首先检测物体的轮廓，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"是图像中物体轮廓点的 numpy 数组。

步骤

您可以使用以下步骤计算图像中轮廓的面积和周长 −

导入所需的库。在以下所有 Python 示例中，所需的 Python 库都是 OpenCV。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。

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

对灰度图像应用阈值以创建二值图像。

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图像。

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

让我们看一些例子以便更好地理解。

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('pentagon.png')

# 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,150,255,0)

# 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))
cnt = contours[0]

# compute the area and perimeter
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, (0,255,255), 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()

我们将使用以下图像作为上述程序中的输入文件。

输出

运行上述代码将得到以下输出 -

Number of contours in image: 1 
Area: 39738.5 
Perimeter: 787.0265

我们得到以下窗口，显示输出 -

示例2

在下面的程序中，我们计算图像中轮廓的面积和周长。我们在图像"shapes.jpg"中检测到四个轮廓。

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("Number of contours in image:",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'Area of contour {i+1}:', area)
   print(f'Perimeter of contour {i+1}:', perimeter)
   img1 = cv2.drawContours(img1, [cnt], -1, (0,255,255), 3)
   cv2.putText(img1, f'Area :{area}', (x1, y1), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0, 255, 0), 2)
   cv2.putText(img1, f'Perimeter :{perimeter}', (x1, y1+20), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0, 255, 0), 2)

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

我们将使用以下图像作为上述程序中的输入文件。

输出

执行时，它将在控制台上产生以下输出 -

Number of contours in image: 4 
Area of contour 1: 29535.0 
Perimeter of contour 1: 688.0
Area of contour 2: 16206.5 
Perimeter of contour 2: 608.6589 
Area of contour 3: 19240.0 
Perimeter of contour 3: 518.2153 
Area of contour 4: 25248.0 
Perimeter of contour 4: 718.0

我们得到以下窗口，显示输出。