簡介

在做跟蹤匹配的時候，由于目標的形狀不能保持，有可能會存在上下兩幀目標圖像形狀不能一直保持矩形的情況，因此沒有利用形狀信息進行目標跟蹤。但是又不想浪費形狀信息，因此利用矩形度特征進行加權。

從網上查找沒有找到類似的程序，只看到了矩形度的概念。在此補充程序（python版）。

1.矩形度概念

矩形度體現物體對其外接矩形的充滿程度，反映一個物體與矩形相似程度的一個參數，是矩形擬合因子。其計算公式為：
$$R=S_0/S_{MER}$$

其中，$S_0$ 是該物體的面積，而 $S_{MER}$ 是其最小外接矩形的面積。$R$ 反映了一個物體對其的充滿程度。對于矩形物體$R$取得最大值1，對于圓形物體 $R$ 取值為 ，對于纖細、彎曲的物體$R$取值變小。矩形擬合因子的值為$0?1$.

源自：
https://blog.csdn.net/mao_hui_fei/article/details/80395294

2. 程序

計算矩形度程序如下：

import cv2 import numpy as npdef Cal_Rectangle_degree(img_ori, hull):# 計算該坐標點組成的四邊形的面積im = np.zeros(img_ori.shape[:2], dtype="uint8") filling_image = np.array([hull[0][0],hull[1][0],hull[2][0],hull[3][0]], np.int32)polygon_mask = cv2.fillPoly(im, [filling_image], 255)measure_polygon = np.sum(np.greater(polygon_mask, 0))# 計算該坐標點組成的四邊形的外接矩形面積rect = cv2.minAreaRect(hull) # 得到最小外接矩形的（中心(x,y), (寬,高), 旋轉角度）box = cv2.boxPoints(rect) # 獲取最小外接矩形的4個頂點坐標(ps: cv2.boxPoints(rect) for OpenCV 3.x)box = np.int0(box)box = cv2.convexHull(box,clockwise=True)filling_image = np.array([box[0][0],box[1][0],box[2][0],box[3][0]], np.int32)rectangle_mask = cv2.fillPoly(im, [filling_image], 255)measure_rectangle = np.sum(np.greater(rectangle_mask, 0))# 計算矩形度Rectangle_degree = measure_polygon/measure_rectanglereturn Rectangle_degreeimg_ori = *** # 源圖像 hull = *** # hull為凸包頂點坐標：n*1*2(n為坐標點的個數)Rectangle_degree = Cal_Rectangle_degree(img_ori, hull) # 矩形度指標

計算完矩形度后，將矩形度作為特征值，對預估和檢測的結果進行加權，得到最終的位置。

總結

以上是生活随笔為你收集整理的CV | 矩形度的计算（python）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。