使用Python和OpenCV檢測圖像中的物體并將物體裁剪下來
介紹
碩士階段的畢設(shè)是關(guān)于昆蟲圖像分類的,代碼寫到一半,上周五導(dǎo)師又給我新的昆蟲圖片數(shù)據(jù)集了,新圖片中很多圖片很大,但是圖片中的昆蟲卻很小,所以我就想著先處理一下圖片,把圖片中的昆蟲裁剪下來,這樣除去大部分無關(guān)背景,應(yīng)該可以提高識別率。
原圖片舉例(將紅色矩形框部分裁剪出來)):
step1:加載圖片,轉(zhuǎn)成灰度圖
image = cv2.imread("353.jpg") gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
step2:用Sobel算子計算x,y方向上的梯度,之后在x方向上減去y方向上的梯度,通過這個減法,我們留下具有高水平梯度和低垂直梯度的圖像區(qū)域。
gradX = cv2.Sobel(gray, ddepth=cv2.cv.CV_32F, dx=1, dy=0, ksize=-1) gradY = cv2.Sobel(gray, ddepth=cv2.cv.CV_32F, dx=0, dy=1, ksize=-1) # subtract the y-gradient from the x-gradient gradient = cv2.subtract(gradX, gradY) gradient = cv2.convertScaleAbs(gradient)
執(zhí)行完這一步,得到的圖像如下:
step3:去除圖像上的噪聲。首先使用低通濾潑器平滑圖像(9 x 9內(nèi)核),這將有助于平滑圖像中的高頻噪聲。低通濾波器的目標(biāo)是降低圖像的變化率。如將每個像素替換為該像素周圍像素的均值。這樣就可以平滑并替代那些強度變化明顯的區(qū)域。
然后,對模糊圖像二值化。梯度圖像中不大于90的任何像素都設(shè)置為0(黑色)。 否則,像素設(shè)置為255(白色)。
# blur and threshold the image blurred = cv2.blur(gradient, (9, 9)) (_, thresh) = cv2.threshold(blurred, 90, 255, cv2.THRESH_BINARY)
執(zhí)行完這一步,得到的圖像如下:
step4:在上圖中我們看到蜜蜂身體區(qū)域有很多黑色的空余,我們要用白色填充這些空余,使得后面的程序更容易識別昆蟲區(qū)域,這需要做一些形態(tài)學(xué)方面的操作。
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (25, 25)) closed = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, kernel)
處理之后的圖像如下:
step5:從上圖我們發(fā)現(xiàn)圖像上還有一些小的白色斑點,這會干擾之后的昆蟲輪廓的檢測,要把它們?nèi)サ?。分別執(zhí)行4次形態(tài)學(xué)腐蝕與膨脹。
# perform a series of erosions and dilations closed = cv2.erode(closed, None, iterations=4) closed = cv2.dilate(closed, None, iterations=4)
執(zhí)行完這步,得到的圖形如下:
step6:找出昆蟲區(qū)域的輪廓。cv2.findContours()函數(shù)第一個參數(shù)是要檢索的圖片,必須是為二值圖,即黑白的(不是灰度圖),所以讀取的圖像要先轉(zhuǎn)成灰度的,再轉(zhuǎn)成二值圖,我們在第三步用cv2.threshold()函數(shù)已經(jīng)得到了二值圖。第二個參數(shù)表示輪廓的檢索模式,有四種:
- cv2.RETR_EXTERNAL表示只檢測外輪廓
- cv2.RETR_LIST檢測的輪廓不建立等級關(guān)系
- cv2.RETR_CCOMP建立兩個等級的輪廓,上面的一層為外邊界,里面的一層為內(nèi)孔的邊界信息。如果內(nèi)孔內(nèi)還有一個連通物體,這個物體的邊界也在頂層。
- cv2.RETR_TREE建立一個等級樹結(jié)構(gòu)的輪廓。
第三個參數(shù)為輪廓的近似方法
- cv2.CHAIN_APPROX_NONE存儲所有的輪廓點,相鄰的兩個點的像素位置差不超過1,即max(abs(x1-x2),abs(y2-y1))==1
- cv2.CHAIN_APPROX_SIMPLE壓縮水平方向,垂直方向,對角線方向的元素,只保留該方向的終點坐標(biāo),例如一個矩形輪廓只需4個點來保存輪廓信息
cv2.findContours()函數(shù)返回兩個值,一個是輪廓本身,還有一個是每條輪廓對應(yīng)的屬性。cv2.findContours()函數(shù)返回第一個值是list,list中每個元素都是圖像中的一個輪廓,用numpy中的ndarray表示。每一個ndarray里保存的是輪廓上的各個點的坐標(biāo)。我們把list排序,點最多的那個輪廓就是我們要找的昆蟲的輪廓。
OpenCV中通過cv2.drawContours在圖像上繪制輪廓。
- 第一個參數(shù)是指明在哪幅圖像上繪制輪廓
- 第二個參數(shù)是輪廓本身,在Python中是一個list
- 第三個參數(shù)指定繪制輪廓list中的哪條輪廓,如果是-1,則繪制其中的所有輪廓
- 第四個參數(shù)是輪廓線條的顏色
- 第五個參數(shù)是輪廓線條的粗細(xì)
cv2.minAreaRect()函數(shù):
主要求得包含點集最小面積的矩形,這個矩形是可以有偏轉(zhuǎn)角度的,可以與圖像的邊界不平行。
(cnts, _) = cv2.findContours(closed.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) c = sorted(cnts, key=cv2.contourArea, reverse=True)[0] # compute the rotated bounding box of the largest contour rect = cv2.minAreaRect(c) box = np.int0(cv2.cv.BoxPoints(rect)) # draw a bounding box arounded the detected barcode and display the image cv2.drawContours(image, [box], -1, (0, 255, 0), 3) cv2.imshow("Image", image) cv2.imwrite("contoursImage2.jpg", image) cv2.waitKey(0)
執(zhí)行完這步得到的圖形如下:
step7:裁剪。box里保存的是綠色矩形區(qū)域四個頂點的坐標(biāo)。我將按下圖紅色矩形所示裁剪昆蟲圖像。找出四個頂點的x,y坐標(biāo)的最大最小值。新圖像的高=maxY-minY,寬=maxX-minX。
Xs = [i[0] for i in box] Ys = [i[1] for i in box] x1 = min(Xs) x2 = max(Xs) y1 = min(Ys) y2 = max(Ys) hight = y2 - y1 width = x2 - x1 cropImg = image[y1:y1+hight, x1:x1+width]
裁剪出的圖片如下:
以上就是本文的全部內(nèi)容,希望對大家的學(xué)習(xí)有所幫助,也希望大家多多支持腳本之家。
相關(guān)文章
解決python3.5 正常安裝 卻不能直接使用Tkinter包的問題
今天小編就為大家分享一篇解決python3.5 正常安裝 卻不能直接使用Tkinter包的問題,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2019-02-02Python Matplotlib條形圖之垂直條形圖和水平條形圖詳解
這篇文章主要為大家詳細(xì)介紹了Python Matplotlib條形圖之垂直條形圖和水平條形圖,使用數(shù)據(jù)庫,文中示例代碼介紹的非常詳細(xì),具有一定的參考價值,感興趣的小伙伴們可以參考一下2022-03-03pycharm運行和調(diào)試不顯示結(jié)果的解決方法
今天小編就為大家分享一篇pycharm運行和調(diào)試不顯示結(jié)果的解決方法,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2018-11-11對PyQt5的輸入對話框使用(QInputDialog)詳解
今天小編就為大家分享一篇對PyQt5的輸入對話框使用(QInputDialog)詳解,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2019-06-06