Python圖像處理之目標(biāo)物體輪廓提取的實(shí)現(xiàn)方法
1 引言
目標(biāo)物體的邊緣對(duì)圖像識(shí)別和計(jì)算機(jī)分析十分有用。邊緣可以勾畫出目標(biāo)物體,使觀察者一目了然;邊緣蘊(yùn)含了豐富的內(nèi)在信息(如方向、形狀等),是圖像識(shí)別中抽取圖像特征的重要屬性。輪廓提取是邊界分割中非常重要的一種處理,同時(shí)也是圖像處理的經(jīng)典難題,輪廓提取和輪廓跟蹤的目的都是獲得圖像的外部輪廓特征。
2 原理
二值圖像的輪廓提取的原理非常簡(jiǎn)單,就是掏空內(nèi)部點(diǎn):如果原圖中有一點(diǎn)為黑,且它的8個(gè)相鄰點(diǎn)皆為黑色,則將該點(diǎn)刪除。對(duì)于非二值圖像,需要先進(jìn)行二值化處理。輪廓提取的方法有很多,在這里我們介紹一種最基本、最簡(jiǎn)單容易實(shí)現(xiàn)的算法。算法原理如下:
- 在進(jìn)行輪廓提取時(shí),使用一個(gè)一維數(shù)組,用來(lái)記錄處理的像素點(diǎn)的周圍8鄰域的信息
- 若8個(gè)鄰域的像素點(diǎn)的灰度值和中心點(diǎn)的灰度值相同,則認(rèn)為該點(diǎn)在物體的內(nèi)部,可以刪除;
- 否則,認(rèn)為該點(diǎn)在圖像的邊緣,需要保留。
- 依次處理圖像中每一個(gè)像素,則最后留下來(lái)的就是圖像的輪廓。
3 Python實(shí)現(xiàn)
1)讀入彩色圖像
img_name = "./20210808/sample3.png" img = cv2.imread(img_name)
結(jié)果如下:
2) 彩色圖像灰度化
gray_img = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
結(jié)果如下:
3)二值化
def get_binary_img(img): # gray img to bin image bin_img = np.zeros(shape=(img.shape), dtype=np.uint8) h = img.shape[0] w = img.shape[1] for i in range(h): for j in range(w): bin_img[i][j] = 255 if img[i][j] > 127 else 0 return bin_img # 調(diào)用 bin_img = get_binary_img(gray_img)
結(jié)果如下:
4)提取輪廓
參考上述原理,進(jìn)行實(shí)現(xiàn),代碼如下:
def get_contour(bin_img): # get contour 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 # 調(diào)用 contour_img = get_contour(bin_img)
結(jié)果如下:
4 總結(jié)
通過(guò)上述簡(jiǎn)單步驟,我們實(shí)現(xiàn)了物體輪廓提取,相應(yīng)的處理效果如下:
上圖中 左側(cè)為原圖,右側(cè)為我們提取的物體輪廓圖。
到此這篇關(guān)于Python圖像處理之目標(biāo)物體輪廓提取的文章就介紹到這了,更多相關(guān)Python目標(biāo)物體輪廓提取內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
Python實(shí)現(xiàn)仿真雙徑效應(yīng)的方法
雙徑模型是一種很好的近似,能夠準(zhǔn)確地反映信號(hào)的傳播特性。這篇文章主要介紹了Python實(shí)現(xiàn)仿真雙徑效應(yīng)的方法,感興趣的小伙伴們可以參考一下2021-05-05idea創(chuàng)建springMVC框架和配置小文件的教程圖解
本文通過(guò)圖文并茂的形式給大家介紹了idea創(chuàng)建springMVC框架和配置小文件的方法,非常不錯(cuò),具有一定的參考借鑒價(jià)值,需要的朋友參考下吧2018-09-09編譯 pycaffe時(shí)報(bào)錯(cuò):fatal error: numpy/arrayobject.h沒(méi)有那個(gè)文件或目錄
這篇文章主要介紹了編譯 pycaffe時(shí)報(bào)錯(cuò):fatal error: numpy/arrayobject.h沒(méi)有那個(gè)文件或目錄,需要的朋友可以參考下2020-11-11520使用Python實(shí)現(xiàn)“我愛(ài)你”表白
這篇文章主要介紹了520使用Python實(shí)現(xiàn)“我愛(ài)你”表白,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2020-05-05python區(qū)塊及區(qū)塊鏈的開(kāi)發(fā)詳解
這篇文章主要介紹了python區(qū)塊及區(qū)塊鏈的開(kāi)發(fā)詳解的相關(guān)資料,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2019-07-07詳解Django+Uwsgi+Nginx的生產(chǎn)環(huán)境部署
這篇文章主要介紹了Django + Uwsgi + Nginx 的生產(chǎn)環(huán)境部署,小編覺(jué)得挺不錯(cuò)的,現(xiàn)在分享給大家,也給大家做個(gè)參考。一起跟隨小編過(guò)來(lái)看看吧2018-06-06Python 函數(shù)繪圖及函數(shù)圖像微分與積分
今天小編就為大家分享一篇Python 函數(shù)繪圖及函數(shù)圖像微分與積分,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2019-11-11Python提取Linux內(nèi)核源代碼的目錄結(jié)構(gòu)實(shí)現(xiàn)方法
下面小編就為大家?guī)?lái)一篇Python提取Linux內(nèi)核源代碼的目錄結(jié)構(gòu)實(shí)現(xiàn)方法。小編覺(jué)得挺不錯(cuò)的,現(xiàn)在就分享給大家,也給大家做個(gè)參考。一起跟隨小編過(guò)來(lái)看看吧2016-06-06