python教程分享如何使用Python OpenCV提取物体轮廓详解

通常提取物体的轮廓时,图像都存在噪声,提取效果并不理想。如提取下图的轮廓时,

如何使用Python OpenCV提取物体轮廓详解

提取代码:

import cv2     img = cv2.imread("mouse.png")  cv2.imshow("origin",img)  gray = cv2.cvtcolor(img,cv2.color_bgr2gray)  ret,binary = cv2.threshold(gray,128,255,cv2.thresh_binary)  cv2.imshow("binary",binary)     contours, hierarchy = cv2.findcontours(binary,cv2.retr_tree,cv2.chain_approx_simple)  cv2.drawcontours(img,contours,-1,(0,0,255),3)  cv2.imshow("result", img)  cv2.waitkey(0)

 提取效果:

如何使用Python OpenCV提取物体轮廓详解

如何使用Python OpenCV提取物体轮廓详解

可以看出存在非常严重的噪声干扰。因此,提取轮廓之前需要过滤噪声的干扰。

首先,进行对图像进行均值滤波(低通滤波),去除噪声

blured = cv2.blur(img,(5,5))  cv2.imshow("blur",blured)

 

如何使用Python OpenCV提取物体轮廓详解

使用floodfill来去掉目标周围的背景,泛洪填充类始于ps的魔棒工具,这里用来清除背景。

mask = np.zeros((h+2, w+2), np.uint8)       #掩码长和宽都比输入图像多两个像素点,泛洪填充不会超出掩码的非零边缘    #进行泛洪填充  cv2.floodfill(blured, mask, (10,10), (255,255,255), (2,2,2),(3,3,3),8)  cv2.imshow("floodfill", blured)

如何使用Python OpenCV提取物体轮廓详解

  floodfill函数解析

  • img:为待使用泛洪算法的图像
  • mask:为掩码层,使用掩码可以规定是在哪个区域使用该算法,如果是对于完整图像都要使用,则掩码层大小为原图行数+2,列数+2.是一个二维的0矩阵,边缘一圈会在使用算法是置为1。而只有对于掩码层上对应为0的位置才能泛洪,所以掩码层初始化为0矩。【dtype:np.uint8】
  • seed:为泛洪算法的种子点,也是根据该点的像素判断决定和其相近颜色的像素点,是否被泛洪处理。
  • newvalue:是对于泛洪区域新赋的值(b,g,r)
  • (lodiff1,lodiff2,lodiff3):是相对于seed种子点像素可以往下的像素值,即seed(b0,g0,r0),泛洪区域下界为(b0-lodiff1,g0-lodiff2,r0-lodiff3)
  • (updiff1,updiff2,updiff3):是相对于seed种子点像素可以往上的像素值,即seed(b0,g0,r0),泛洪区域上界为(b0+updiff1,g0+updiff2,r0+updiff3)
  • flag:为泛洪算法的处理模式:
  •     低八位 控制算法的连通性,是以seed点为中心,接着判断周围的几个像素点,再将泛洪区域像素点周围的几个像素点进行考虑。 一般为4,8;默认为4
  •     中间八位 与掩码层赋值密切相关,一般使用(255<<8)使中间8位全位1,则值为255,也就是掩码层对应原图的泛洪区域的部分被由原来的初值0赋值成255,如果中间8位为0,则赋值为1.
  •     高八位 由opencv宏参数指定
    • cv2.floodfill_fixed_range:改变图像,填充newvalue
    • cv2.floodfill_mask_only:不改变原图像,也就是newvalue参数失去作用,而是改变对应区域的掩码,设为中间八位的值

然后转换成灰度图

 gray = cv2.cvtcolor(blured,cv2.color_bgr2gray)     cv2.imshow("gray", gray)  

此时目标图像周围有写不光滑,还有一些噪声,因此进行开闭运算,得到比较光滑的目标

 #定义结构元素     kernel = cv2.getstructuringelement(cv2.morph_rect,(50, 50))   #开闭运算,先开运算去除背景噪声,再继续闭运算填充目标内的孔洞   opened = cv2.morphologyex(gray, cv2.morph_open, kernel)     closed = cv2.morphologyex(opened, cv2.morph_close, kernel)     cv2.imshow("closed", closed) 

接着转换成二值图以便于获取图像的轮廓

最后进行轮廓提取,抓取到目标

 #找到轮廓   _,contours, hierarchy = cv2.findcontours(binary,cv2.retr_tree,cv2.chain_approx_simple)     #绘制轮廓   cv2.drawcontours(img,contours,-1,(0,0,255),3)     #绘制结果   cv2.imshow("result", img)

全部代码:

#coding=utf-8  import cv2  import numpy as np     img = cv2.imread("temp.jpg")                #载入图像  h, w = img.shape[:2]                        #获取图像的高和宽  cv2.imshow("origin", img)                   #显示原始图像     blured = cv2.blur(img,(5,5))                #进行滤波去掉噪声  cv2.imshow("blur", blured)                  #显示低通滤波后的图像     mask = np.zeros((h+2, w+2), np.uint8)       #掩码长和宽都比输入图像多两个像素点,满水填充不会超出掩码的非零边缘  #进行泛洪填充  cv2.floodfill(blured, mask, (w-1,h-1), (255,255,255), (2,2,2),(3,3,3),8)  cv2.imshow("floodfill", blured)     #得到灰度图  gray = cv2.cvtcolor(blured,cv2.color_bgr2gray)  cv2.imshow("gray", gray)        #定义结构元素  kernel = cv2.getstructuringelement(cv2.morph_rect,(50, 50))  #开闭运算,先开运算去除背景噪声,再继续闭运算填充目标内的孔洞  opened = cv2.morphologyex(gray, cv2.morph_open, kernel)  closed = cv2.morphologyex(opened, cv2.morph_close, kernel)  cv2.imshow("closed", closed)     #求二值图  ret, binary = cv2.threshold(closed,250,255,cv2.thresh_binary)  cv2.imshow("binary", binary)     #找到轮廓  _,contours, hierarchy = cv2.findcontours(binary,cv2.retr_tree,cv2.chain_approx_simple)  #绘制轮廓     cv2.drawcontours(img,contours,-1,(0,0,255),3)  #绘制结果  cv2.imshow("result", img)     cv2.waitkey(0)  cv2.destroyallwindows()

总结

到此这篇关于如何使用python opencv提取物体轮廓的文章就介绍到这了,更多相关python opencv提取物体轮廓内容请搜索<猴子技术宅>以前的文章或继续浏览下面的相关文章希望大家以后多多支持<猴子技术宅>!

需要了解更多python教程分享如何使用Python OpenCV提取物体轮廓详解,都可以关注python教程分享栏目—猴子技术宅(www.ssfiction.com)

本文来自网络收集,不代表猴子技术宅立场,如涉及侵权请点击右边联系管理员删除。

如若转载,请注明出处:https://www.ssfiction.com/pythons/1091994.html

(0)
上一篇 3天前
下一篇 3天前

精彩推荐

发表评论

您的电子邮箱地址不会被公开。