Image 如何使用OpenCV查找图像上每个单独轮廓的高度和宽度

在上图中，如果指定了整个宽度，则表示为30'5“。如何使用opencv计算该图像上每个单独轮廓的高度和宽度；

std::vector<std::vector<cv::Point2i>> vecContours;
cv::Mat mat = cv::imread("[path to image]", cv::IMREAD_GRAYSCALE);
cv::threshold(mat, mat, 200, 255, cv::THRESH_BINARY);
cv::findContours(mat, vecContours, cv::RetrievalModes::RETR_EXTERNAL, cv::CHAIN_APPROX_NONE);
float inchPerPixel = 30.5f / mat.cols;
for (const std::vector<cv::Point2i>& vecContour : vecContours) {
    cv::Rect2i contourRect = cv::boundingRect(vecContour);
    printf("Contour width pixels : %d, width inches %f\n", contourRect.width, inchPerPixel*contourRect.width);
}

cv:：Mat Mat=cv:：imread（“[图像路径]”，cv:：imread\u灰度）； cv:：threshold（mat，mat，200255，cv:：THRESH_二进制）； cv:：findContours（mat、vecContours、cv:：RetrievalModes:：RETR_EXTERNAL、cv:：CHAIN_About_NONE）； 每像素浮动英寸=30.5f/mat.cols； 用于（常量标准：：向量和向量轮廓：向量轮廓）{ cv:：Rect2i-contourRect=cv:：boundingRect（vecContour）； printf（“轮廓宽度像素：%d，宽度英寸%f\n”，contourRect.width，inchPerPixel*contourRect.width）； } 您可以通过以下方式实现此目的：

使用阈值方法创建二值图像

使用findContours方法查找图像中矩形的轮廓

使用boundingRect方法获取矩形轮廓的大小

将轮廓的长度乘以计算出的每像素英寸系数

我的方法是：

#包括“opencv2/highgui/highgui.hpp”
#包括“opencv2/imgproc/imgproc.hpp”
#包括
#包括
#包括
使用名称空间cv；
使用名称空间std；
int main（）
{
Mat src；Mat src_gray；
int thresh=100；
RNG RNG（12345）；
///加载源图像并将其转换为灰色
src=imread（“/ur/img/directory/image.jpg”，1）；
Mat original=src.clone（）；
///将图像转换为灰色并使其模糊
CVT颜色（src、src_灰色、CV_BGR2灰色）；
Mat阈值输出；
矢量等值线；
向量层次；
///使用阈值检测边缘
阈值（src_灰度，阈值_输出，阈值，255，阈值_二进制）；
///寻找轮廓
findContours（阈值输出、轮廓、层次、CV树、CV链近似、点（0,0））；
///找到每个轮廓的旋转矩形
向量minRect（contours.size（））；
对于（int i=0；i长度_2）
putText（原始，到字符串（temp1），矩形点[0]，字体\u HERSHEY\u单纯形，1.0，标量（0255255），2）；
其他的
putText（原始，到字符串（temp2），矩形点[0]，字体\u HERSHEY\u单纯形，1.0，标量（0255255），2）；
直线（结果零点，矩形点[j]，矩形点[（j+1）%4]，颜色，1,8）；
}
}
///在windows中显示
imshow（“第一”，原件）；
imshow（“轮廓”，图纸）；
等待键（0）；
返回（0）；
}

源图像：

每行检测到的矩形：

按像素划分的线条长度：

---

要获得轮廓的高度和宽度，可以使用。该函数以

x，y，w，h

的形式返回轮廓信息。特定轮廓的高度将为

h

，宽度将为

w

。以下是绘制到图像上的

w

像素的结果

---

很棒的解决方案！但是从下一次使用Python如何，因为它更容易测试。大多数人可能没有C++环境设置！转换它到Python没什么大不了的。转换它没有困难。我的环境只是基于C++的。这就是为什么我在C++中回答的原因。

#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include <iostream>
#include <stdio.h>
#include <stdlib.h>

using namespace cv;
using namespace std;


int main()
{

    Mat src; Mat src_gray;
    int thresh = 100;
    RNG rng(12345);
    /// Load source image and convert it to gray
    src = imread( "/ur/img/directory/image.jpg", 1 );
    Mat original = src.clone();
    /// Convert image to gray and blur it
    cvtColor( src, src_gray, CV_BGR2GRAY );

    Mat threshold_output;
    vector<vector<Point> > contours;
    vector<Vec4i> hierarchy;

    /// Detect edges using Threshold
    threshold( src_gray, threshold_output, thresh, 255, THRESH_BINARY );
    /// Find contours
    findContours( threshold_output, contours, hierarchy, CV_RETR_TREE, CV_CHAIN_APPROX_SIMPLE, Point(0, 0) );

    /// Find the rotated rectangles for each contour
    vector<RotatedRect> minRect( contours.size() );

    for( int i = 0; i < contours.size(); i++ )
        minRect[i] = minAreaRect( Mat(contours[i]) );

    /// Draw contours + rotated rects
    Mat drawing = Mat::zeros( threshold_output.size(), CV_8UC3 );
    Mat result_zero = Mat::zeros( threshold_output.size(), CV_8UC3 );

    for( int i = 0; i< contours.size(); i++ )
    {
        Scalar color = Scalar( rng.uniform(0, 255), rng.uniform(0,255), rng.uniform(0,255) );
        // detect contours
        drawContours( drawing, contours, i, color, 1, 8, vector<Vec4i>(), 0, Point() );
        // detect rectangle for each contour
        Point2f rect_points[4]; minRect[i].points( rect_points );

        double length_1 = cv::norm(cv::Mat(rect_points[0]),cv::Mat(rect_points[1]));
        double length_2 = cv::norm(cv::Mat(rect_points[1]),cv::Mat(rect_points[2]));


        for( int j = 0; j < 4; j++ )
        {
            int temp1 = (int)length_1;
            int temp2 = (int)length_2;

            if(length_1>length_2)
                putText(original,to_string(temp1),rect_points[0],FONT_HERSHEY_SIMPLEX,1.0,Scalar(0,255,255),2);
            else
                putText(original,to_string(temp2),rect_points[0],FONT_HERSHEY_SIMPLEX,1.0,Scalar(0,255,255),2);

            line( result_zero, rect_points[j], rect_points[(j+1)%4], color, 1, 8 );
        }

    }

    /// Show in windows
    imshow("First",original);
    imshow( "Contours", drawing );
    waitKey(0);
    return(0);
}

import cv2

# Load image, convert to grayscale, Otsu's threshold
image = cv2.imread('1.jpg')
gray = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)
thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)[1]

# Find contours, obtain bounding rect, and draw width
cnts = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]
for c in cnts:
    x,y,w,h = cv2.boundingRect(c)
    cv2.putText(image, str(w), (x,y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.9, (36,255,12), 2)
    cv2.rectangle(image, (x, y), (x + w, y + h), (36,255,12), 1)

cv2.imshow('image', image)
cv2.waitKey()