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，

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：

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)

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)

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

频道导航

如何使用Python OpenCV提取物体轮廓详解

您可能感兴趣的文章: