opencv(39) 图像轮廓之八：minMaxLoc、findNonZero、mean_cv2.findnonzero

1 cv2.minMaxLoc()函数

在有些现实场景中，咱们须要去使用算法自动的寻找到图片中的最亮的区域，这个区域是咱们感兴趣的目标所在的位置，比较典型的是一个应用是视网膜图像，图像中视网膜所在的位置比较亮，而其它地方比较暗，咱们更加关注视网膜所在的区域，于是须要使用算法自动的寻找到这个区域，而后针对这个区域进行处理和分析。

要检测出图像中最亮的区域，咱们能够直接使用opencv中自带的函数(minVal, maxVal, minLoc, maxLoc) = cv2.minMaxLoc(gray)，该函数是用来获取图像中的最大值和最小值 所在的位置，而图像中的最大值其实就是最亮的像素点，图像中的最小值其实就是最暗的像素点，该函数的输入参数是一张灰度图像，该函数会返回最大值、最小值、最大值所在位置和最小值所在位置等，咱们能够根据得到的位置信息绘制结果。

函数原型：

(minVal,maxVal,minLoc,maxLoc)=cv2.minMaxLoc(gray,mask=None)

参数：

1. gray： 输入的灰度图像或单通道图像。
2. mask：掩膜

返回值：

1. (minVal, maxVal, minLoc, maxLoc): 四元组，图像中的最小值、最大值、最小值、最大值所在的位置，其中位置是一个二元组（x,y）

2 cv2.findNonZero() 获取一个图像内的轮廓点位置

函数用于获取一个图像内的轮廓点位置

函数原型：

idx=cv2.findNonZero(src,idx=none)

参数：

1. src： 查找非零元素的图像。

返回值：

1. idx: 二元组，表示非0元素的索引位置。具体格式为（x,y）

3 cv2.mean() 图像的平均颜色和平均灰度

函数用于获取一个图像内的轮廓点位置

函数原型：

mean=cv2.mean(src,mask=none)

参数：

1. src： 输入的灰度图像或单通道图像。
2. mask：掩膜

返回值：

1. mean: 四元组，表示RGB以及A通道的均值。（r,g,b,a）

4 示例：

import cv2
import numpy as np
import matplotlib.pyplot as plt

## 1、读取图像
img = cv2.imread("C:/Users/xxx/Downloads/arrow.png")

## 2、转换为 matplotlib.pyplot的图像，由BGR->RGB
img = cv2.merge((img[:,:,2],img[:,:,1],img[:,:,0]))

## 3、转换为灰度图像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

## 4、转换为二至图像
ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)

## 5、寻找轮廓
contours, hierarchy = cv2.findContours(binary, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)

## 6、在全黑的底图上绘制轮廓
print(len(contours))
for i in range(len(contours)):
    mask = np.zeros(gray.shape, np.uint8)
    cv2.drawContours(mask, [contours[i]], 0, 255, 2)

## 7、获取图像中的最小值、最大值、最小值、最大值所在的位置，其
##    中位置是一个二元组（x,y）
min, max, min_loc, max_loc = cv2.minMaxLoc(gray, mask)
print(f'minVal={min}, maxVal={max}, Loc of minVal={min_loc}, Loc of maxVal={max_loc}.')

## 8、求图像中的非零值点的位置
pixelpoints=cv2.findNonZero(mask)
print(f'Points of NonZero in mask ={pixelpoints}.')

## 9、求图像中的平均灰度
mean=cv2.mean(img,mask)
print(f'mean of  img ={mean}.')

## 10、显示图像

cv2.imshow("img", img)
cv2.imshow("gray", gray)
cv2.imshow("binary", binary)
cv2.imshow('contours',mask)
cv2.waitKey(0)
cv2.cv2.destroyAllWindows()

 运行结果为：

1
minVal=0.0, maxVal=255.0, Loc of minVal=(110, 94), Loc of maxVal=(112, 99).
Points of NonZero in mask =[[[109  94]]

 [[110  94]]

 [[108  95]]

 ...

 [[216 195]]

 [[217 195]]

 [[218 195]]].
mean of  img =(158.47901591895803, 158.47901591895803, 158.47901591895803, 0.0).