如何使用Python?OpenCV提取物體輪廓詳解
更新時(shí)間：2022年05月11日 14:58:36 作者：wzw12315
圖像的輪廓檢測(cè)不論是機(jī)器視覺(jué)還是其他方面都有較大作用,下面這篇文章主要給大家介紹了關(guān)于如何使用Python?OpenCV提取物體輪廓的相關(guān)資料,文中通過(guò)實(shí)例代碼介紹的非常詳細(xì),需要的朋友可以參考下
通常提取物體的輪廓時(shí)，圖像都存在噪聲，提取效果并不理想。如提取下圖的輪廓時(shí)，
提取代碼：
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：
可以看出存在非常嚴(yán)重的噪聲干擾。因此，提取輪廓之前需要過(guò)濾噪聲的干擾。
首先，進(jìn)行對(duì)圖像進(jìn)行均值濾波（低通濾波），去除噪聲
blured = cv2.blur(img,(5,5))
cv2.imshow("blur",blured)
使用floodfill來(lái)去掉目標(biāo)周圍的背景，泛洪填充類始于ps的魔棒工具，這里用來(lái)清除背景。
mask = np.zeros((h+2, w+2), np.uint8) #掩碼長(zhǎng)和寬都比輸入圖像多兩個(gè)像素點(diǎn)，泛洪填充不會(huì)超出掩碼的非零邊緣
#進(jìn)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)
floodFill函數(shù)解析
- img：為待使用泛洪算法的圖像
- mask：為掩碼層，使用掩碼可以規(guī)定是在哪個(gè)區(qū)域使用該算法，如果是對(duì)于完整圖像都要使用，則掩碼層大小為原圖行數(shù)+2，列數(shù)+2.是一個(gè)二維的0矩陣，邊緣一圈會(huì)在使用算法是置為1。而只有對(duì)于掩碼層上對(duì)應(yīng)為0的位置才能泛洪，所以掩碼層初始化為0矩?！綿type:np.uint8】
- seed：為泛洪算法的種子點(diǎn)，也是根據(jù)該點(diǎn)的像素判斷決定和其相近顏色的像素點(diǎn)，是否被泛洪處理。
- newvalue：是對(duì)于泛洪區(qū)域新賦的值（B,G,R）
- (loDiff1,loDiff2,loDiff3)：是相對(duì)于seed種子點(diǎn)像素可以往下的像素值，即seed(B0,G0,R0)，泛洪區(qū)域下界為（B0-loDiff1,G0-loDiff2,R0-loDiff3）
- (upDiff1,upDiff2,upDiff3)：是相對(duì)于seed種子點(diǎn)像素可以往上的像素值，即seed(B0,G0,R0)，泛洪區(qū)域上界為（B0+upDiff1,G0+upDiff2,R0+upDiff3）
- flag：為泛洪算法的處理模式：
- 低八位 控制算法的連通性，是以seed點(diǎn)為中心，接著判斷周圍的幾個(gè)像素點(diǎn)，再將泛洪區(qū)域像素點(diǎn)周圍的幾個(gè)像素點(diǎn)進(jìn)行考慮。 一般為4，8；默認(rèn)為4
- 中間八位 與掩碼層賦值密切相關(guān)，一般使用（255<<8）使中間8位全位1，則值為255，也就是掩碼層對(duì)應(yīng)原圖的泛洪區(qū)域的部分被由原來(lái)的初值0賦值成255，如果中間8位為0，則賦值為1.
- 高八位 由opencv宏參數(shù)指定
- cv2.FLOODFILL_FIXED_RANGE：改變圖像，填充newvalue
- cv2.FLOODFILL_MASK_ONLY：不改變?cè)瓐D像，也就是newvalue參數(shù)失去作用，而是改變對(duì)應(yīng)區(qū)域的掩碼，設(shè)為中間八位的值
然后轉(zhuǎn)換成灰度圖
gray = cv2.cvtColor(blured,cv2.COLOR_BGR2GRAY)
cv2.imshow("gray", gray) 此時(shí)目標(biāo)圖像周圍有寫(xiě)不光滑，還有一些噪聲，因此進(jìn)行開(kāi)閉運(yùn)算，得到比較光滑的目標(biāo)
#定義結(jié)構(gòu)元素
kernel = cv2.getStructuringElement(cv2.MORPH_RECT,(50, 50))
#開(kāi)閉運(yùn)算，先開(kāi)運(yùn)算去除背景噪聲，再繼續(xù)閉運(yùn)算填充目標(biāo)內(nèi)的孔洞
opened = cv2.morphologyEx(gray, cv2.MORPH_OPEN, kernel)
closed = cv2.morphologyEx(opened, cv2.MORPH_CLOSE, kernel)
cv2.imshow("closed", closed) 接著轉(zhuǎn)換成二值圖以便于獲取圖像的輪廓
最后進(jìn)行輪廓提取，抓取到目標(biāo)
#找到輪廓
_,contours, hierarchy = cv2.findContours(binary,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
#繪制輪廓
cv2.drawContours(img,contours,-1,(0,0,255),3)
#繪制結(jié)果
cv2.imshow("result", img)全部代碼：
#coding=utf-8
import cv2
import numpy as np
img = cv2.imread("temp.jpg") #載入圖像
h, w = img.shape[:2] #獲取圖像的高和寬
cv2.imshow("Origin", img) #顯示原始圖像
blured = cv2.blur(img,(5,5)) #進(jìn)行濾波去掉噪聲
cv2.imshow("Blur", blured) #顯示低通濾波后的圖像
mask = np.zeros((h+2, w+2), np.uint8) #掩碼長(zhǎng)和寬都比輸入圖像多兩個(gè)像素點(diǎn)，滿水填充不會(huì)超出掩碼的非零邊緣
#進(jìn)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)
#得到灰度圖
gray = cv2.cvtColor(blured,cv2.COLOR_BGR2GRAY)
cv2.imshow("gray", gray)
#定義結(jié)構(gòu)元素
kernel = cv2.getStructuringElement(cv2.MORPH_RECT,(50, 50))
#開(kāi)閉運(yùn)算，先開(kāi)運(yùn)算去除背景噪聲，再繼續(xù)閉運(yùn)算填充目標(biāo)內(nèi)的孔洞
opened = cv2.morphologyEx(gray, cv2.MORPH_OPEN, kernel)
closed = cv2.morphologyEx(opened, cv2.MORPH_CLOSE, kernel)
cv2.imshow("closed", closed)
#求二值圖
ret, binary = cv2.threshold(closed,250,255,cv2.THRESH_BINARY)
cv2.imshow("binary", binary)
#找到輪廓
_,contours, hierarchy = cv2.findContours(binary,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
#繪制輪廓
cv2.drawContours(img,contours,-1,(0,0,255),3)
#繪制結(jié)果
cv2.imshow("result", img)
cv2.waitKey(0)
cv2.destroyAllWindows()總結(jié)
到此這篇關(guān)于如何使用Python OpenCV提取物體輪廓的文章就介紹到這了,更多相關(guān)Python OpenCV提取物體輪廓內(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)笑臉檢測(cè)+人臉口罩檢測(cè)功能
這篇文章主要介紹了Python實(shí)現(xiàn)笑臉檢測(cè)+人臉口罩檢測(cè),本文通過(guò)實(shí)例代碼給大家介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值，需要的朋友可以參考下2021-08-08
協(xié)程又稱為微線程，協(xié)程是一種用戶態(tài)的輕量級(jí)線程，它是實(shí)現(xiàn)多任務(wù)的另一種方式，只不過(guò)是比線程更小的執(zhí)行單元。因?yàn)樗詭PU的上下文，這樣只要在合適的時(shí)機(jī)，我們可以把一個(gè)協(xié)程切換到另一個(gè)協(xié)程2021-06-06
Python xlwings插入Excel圖片的實(shí)現(xiàn)方法
這篇文章主要介紹了Python xlwings插入Excel圖片的實(shí)現(xiàn)方法，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，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2021-02-02
Python3.5以上版本lxml導(dǎo)入etree報(bào)錯(cuò)的解決方案
這篇文章主要介紹了Python3.5以上版本lxml導(dǎo)入etree報(bào)錯(cuò)的解決方案，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2019-06-06
Python?turtle.right與turtle.setheading的區(qū)別講述
這篇文章主要介紹了Python?turtle.right與turtle.setheading的區(qū)別,本文以turtle.right為例給大家詳細(xì)介紹，需要的朋友可以參考下2022-03-03
python tornado微信開(kāi)發(fā)入門代碼
這篇文章主要為大家詳細(xì)介紹了python tornado微信開(kāi)發(fā)入門代碼，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2018-08-08
淺析python實(shí)現(xiàn)scrapy定時(shí)執(zhí)行爬蟲(chóng)
這篇文章主要介紹了淺析python實(shí)現(xiàn)scrapy定時(shí)執(zhí)行爬蟲(chóng)的相關(guān)資料,需要的朋友可以參考下2018-03-03
簡(jiǎn)單說(shuō)明Python中的裝飾器的用法
這篇文章主要簡(jiǎn)單說(shuō)明了Python中的裝飾器的用法,裝飾器在Python的進(jìn)階學(xué)習(xí)中非常重要,示例代碼基于Python2.x,需要的朋友可以參考下2015-04-04
這篇文章主要介紹了Python‘==‘ 及 ‘is‘相關(guān)原理解析,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2020-09-09
解決django同步數(shù)據(jù)庫(kù)的時(shí)候app models表沒(méi)有成功創(chuàng)建的問(wèn)題
今天小編就為大家分享一篇解決django同步數(shù)據(jù)庫(kù)的時(shí)候app models表沒(méi)有成功創(chuàng)建的問(wèn)題，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2019-08-08