一聚教程网:一个值得你收藏的教程网站

热门教程

Python图像处理之目标物体轮廓提取代码实现方法

时间:2022-06-25 00:34:48 编辑:袖梨 来源:一聚教程网

本篇文章小编给大家分享一下Python图像处理之目标物体轮廓提取代码实现方法,文章代码介绍的很详细,小编觉得挺不错的,现在分享给大家供大家参考,有需要的小伙伴们可以来看看。

1 引言

目标物体的边缘对图像识别和计算机分析十分有用。边缘可以勾画出目标物体,使观察者一目了然;边缘蕴含了丰富的内在信息(如方向、形状等),是图像识别中抽取图像特征的重要属性。轮廓提取是边界分割中非常重要的一种处理,同时也是图像处理的经典难题,轮廓提取和轮廓跟踪的目的都是获得图像的外部轮廓特征。

2 原理

二值图像的轮廓提取的原理非常简单,就是掏空内部点: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。对于非二值图像,需要先进行二值化处理。轮廓提取的方法有很多,在这里我们介绍一种最基本、最简单容易实现的算法。算法原理如下:

在进行轮廓提取时,使用一个一维数组,用来记录处理的像素点的周围8邻域的信息

若8个邻域的像素点的灰度值和中心点的灰度值相同,则认为该点在物体的内部,可以删除;

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。

3 Python实现

1)读入彩色图像

img_name = "./20210808/sample3.png"
img = cv2.imread(img_name)

结果如下:

2) 彩色图像灰度化

gray_img = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

结果如下:

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
# 调用
bin_img = get_binary_img(gray_img)

结果如下:

4)提取轮廓

参考上述原理,进行实现,代码如下:

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
# 调用    
contour_img = get_contour(bin_img)

结果如下:

4 总结

通过上述简单步骤,我们实现了物体轮廓提取,相应的处理效果如下:

上图中 左侧为原图,右侧为我们提取的物体轮廓图。

热门栏目