图像轮廓提取

1、轮廓提取

轮廓提取是提取出图像的外部轮廓特征,轮廓可能是边缘的一部分。

2、轮廓提取方法及Python实现

2.1 掏空内部点法

掏空内部点法的原理非常简单:如果原图中有一点为黑,且它的8个相邻点皆为黑色,则将该点删除,否则认为该点在图像的边缘,需要保留。依次处理图像中每一个像素,则最后留下来的就是图像的轮廓。对于非二值图像,需要先进行二值化处理。
代码如下:

def Get_contour(bin_img):
    contour_img = np.zeros(shape=(bin_img.shape),dtype=np.uint8)
    contour_img += 255
    h = bin_img.shape[0]
    w = bin_img.shape[1]
    for i in range(1,h-1):
        for j in range(1,w-1):
            if(bin_img[i][j]==0):
                contour_img[i][j] = 0
                sum = 0
                sum += bin_img[i - 1][j + 1]
                sum += bin_img[i][j + 1]
                sum += bin_img[i + 1][j + 1]
                sum += bin_img[i - 1][j]
                sum += bin_img[i + 1][j]
                sum += bin_img[i - 1][j - 1]
                sum += bin_img[i][j - 1]
                sum += bin_img[i + 1][j - 1]
                if sum ==  0:
                    contour_img[i][j] = 255

    return contour_img

效果如下(左侧是Otsu二值化图像;右侧是轮廓图像):
图像轮廓提取_第1张图片

2.2 opencv-python中轮廓提取方法的应用

(1)opencv-python中使用cv2.findContours函数来检测图像的边缘,其函数原型如下:

contours, hierarchy = cv2.findContours(image, mode, method[, contours[, hierarchy[, offset]]])

参数说明如下:
image:输入图像;
mode:轮廓检索模式;
method:轮廓逼近方法;
contours:返回的轮廓;
hierachy:每条轮廓对应的属性;
offset:每个轮廓点移动的可选偏移量。
备注:image参数需要是二值图,而不是灰度图,返回结果是等高线和层次结构。

轮廓检索模式:
cv2.RETR_EXTERNAL:表示只检测外轮廓;
cv2.RETR_LIST:检测的轮廓,不建立等级关系;
cv2.RETR_CCOMP:建立两个等级的轮廓,上面的一层为外边界,里面的一层为内孔的边界信息。如果内孔内还有一个连通物体,这个物体的边界也在顶层;
cv2.RETR_TREE:建立一个等级树结构的轮廓。

轮廓逼近方法:
cv2.CHAIN_APPROX_NONE:存储所有的轮廓点,相邻的两个点的像素位置差不超过1,即 max(abs(x1-x2),abs(y2-y1))==1,一般不会用到;
cv2.CHAIN_APPROX_SIMPLE:压缩水平方向,垂直方向,对角线方向的元素,只保留该方向的终点坐标,例如一个矩形轮廓只需4个点来保存轮廓信息;
cv2.CHAIN_APPROX_TC89_L1,cv2.CV_CHAIN_APPROX_TC89_KCOS:使用teh-Chinl chain近似算法。

(2)轮廓发现之后,还要通过cv2.drawContours函数绘制轮廓,其函数原型如下:

image = cv2.drawContours(image, contours, contourIdx, color[, thickness[, lineType[, hierarchy[, maxLevel[, offset]]]]])

参数说明如下:
image:输入图像;
contours:轮廓,在Python中是一个list,就是cv2.findContours函数找出来的点集,一个列表;
contourIdx:轮廓的索引,指定绘制轮廓list中的哪条轮廓,要绘制所有轮廓,传递-1;
color:颜色;
thickness:厚度,如果是-1,表示填充;
lineType:线型;
hierarchy:层次结构的可选信息;
maxLevel:绘制轮廓的最大级别,0:仅绘制指定的轮廓,1:绘制轮廓和所有嵌套轮廓,2:绘制轮廓,所有嵌套轮廓,所有嵌套到嵌套的轮廓;
offset:轮廓偏移参数。

根据上面两个函数,测试代码如下:

# 第一步:读入图像
img = cv2.imread('lenna.jpg')

# 第二步:对图像做灰度处理
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 第三步:对图像做二值化处理
ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)

# 第四步:获得图像的轮廓值
contours, heriachy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)

# 第五步:绘制图像轮廓
img = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)
res = cv2.drawContours(img, contours, -1, (0, 0, 255), 1)

plt.imshow(res, cmap='gray')
plt.title('contour')
plt.axis('off')
plt.show()

效果如下:
图像轮廓提取_第2张图片

你可能感兴趣的:(计算机视觉,计算机视觉,opencv,python,图像处理)