Python要选定一个物体,测量它的周长,面积,角点

这需要使用计算几何模块或图形处理模块，例如shapely和opencv。

以下是使用shapely模块的示例代码：

from shapely.geometry import Polygon

# 定义一个矩形
rectangle = Polygon([(0, 0), (0, 3), (4, 3), (4, 0)])

# 计算周长
perimeter = rectangle.length

# 计算面积
area = rectangle.area

# 获取角点
corners = rectangle.exterior.coords

print("周长：", perimeter)
print("面积：", area)
print("角点：", corners)

输出结果：

周长： 14.0
面积： 12.0
角点： [(0.0, 0.0), (0.0, 3.0), (4.0, 3.0), (4.0, 0.0), (0.0, 0.0)]

以上代码假设物体是一个矩形，并使用shapely中的多边形类来计算其周长、面积和角点。要使用此代码来测量其他形状的物体，只需更改多边形的坐标即可。

相关问题

Python要选定一个物体，测量它的周长，面积，角点

可以使用OpenCV库来实现。

首先，需要读入一张图片，并使用OpenCV提供的函数将其转换为灰度图像：

import cv2

img = cv2.imread('image.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

接下来，可以使用Canny算法进行边缘检测：

edges = cv2.Canny(gray, 50, 150)

然后，可以使用findContours函数找到轮廓：

contours, hierarchy = cv2.findContours(edges, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

接下来，可以选择一个轮廓进行测量。可以通过绘制轮廓来选择：

cv2.drawContours(img, contours, -1, (0, 255, 0), 3)
cv2.imshow('image', img)

cv2.waitKey(0)
cv2.destroyAllWindows()

在这里，将轮廓绘制在原图上，并显示。可以通过观察图像来选择一个合适的轮廓。

选择好轮廓后，可以使用cv2.arcLength函数计算周长：

cnt = contours[0]
perimeter = cv2.arcLength(cnt, True)
print('周长：', perimeter)

使用cv2.contourArea函数计算面积：

area = cv2.contourArea(cnt)
print('面积：', area)

使用cv2.approxPolyDP函数计算角点：

epsilon = 0.01 * perimeter
approx = cv2.approxPolyDP(cnt, epsilon, True)
print('角点：', len(approx))

在这里，使用了一个epsilon参数来控制近似精度。epsilon越小，近似结果越精确。

最后，可以将结果绘制在图像上并显示：

cv2.drawContours(img, [approx], -1, (0, 0, 255), 3)
cv2.putText(img, 'C: {:.2f}'.format(perimeter), (10, 30), cv2.FONT_HERSHEY_SIMPLEX, 0.8, (0, 0, 255), 2)
cv2.putText(img, 'A: {:.2f}'.format(area), (10, 60), cv2.FONT_HERSHEY_SIMPLEX, 0.8, (0, 0, 255), 2)
cv2.putText(img, 'P: {}'.format(len(approx)), (10, 90), cv2.FONT_HERSHEY_SIMPLEX, 0.8, (0, 0, 255), 2)

cv2.imshow('image', img)

cv2.waitKey(0)
cv2.destroyAllWindows()

在这里，将近似结果绘制在图像上，并使用cv2.putText函数将测量结果添加到图像中。最后，将图像显示出来。

Python要选定一个物体,opencv测量它的周长,面积,角点

可以使用以下代码来实现：

import cv2

# 读取图像
img = cv2.imread("image.jpg")

# 灰度化
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 二值化
ret, thresh = cv2.threshold(gray, 127, 255, 0)

# 查找轮廓
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

# 选定一个轮廓
cnt = contours[0]

# 计算周长
perimeter = cv2.arcLength(cnt, True)

# 计算面积
area = cv2.contourArea(cnt)

# 计算角点
corners = cv2.approxPolyDP(cnt, 0.01*perimeter, True)

# 在图像上绘制轮廓和角点
cv2.drawContours(img, [cnt], 0, (0, 255, 0), 3)
cv2.drawContours(img, [corners], 0, (0, 0, 255), 3)

# 显示结果
cv2.imshow("Image", img)
cv2.waitKey(0)
cv2.destroyAllWindows()

其中，`cv2.findContours` 函数可以查找图像中的所有轮廓，返回轮廓列表和轮廓层次结构。`cv2.arcLength` 函数可以计算轮廓的周长，`cv2.contourArea` 函数可以计算轮廓的面积。`cv2.approxPolyDP` 函数可以对轮廓进行多边形拟合，返回拟合后的多边形角点。在图像上绘制轮廓和角点可以使用 `cv2.drawContours` 函数。