快捷導(dǎo)航

Python圖像處理之目標(biāo)物體輪廓提取的實(shí)現(xiàn)方法

更新時(shí)間：2021年08月10日 11:56:45 作者：趙卓不凡

目標(biāo)物體的輪廓實(shí)質(zhì)是指一系列像素點(diǎn)構(gòu)成,這些點(diǎn)構(gòu)成了一個(gè)有序的點(diǎn)集,這篇文章主要給大家介紹了關(guān)于Python圖像處理之目標(biāo)物體輪廓提取的實(shí)現(xiàn)方法,需要的朋友可以參考下

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(huà)出目標(biāo)物體，使觀(guān)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?chē)?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：

請(qǐng)?zhí)砑訄D片描述

2) 彩色圖像灰度化

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

結(jié)果如下：

請(qǐng)?zhí)砑訄D片描述

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：

請(qǐng)?zhí)砑訄D片描述

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：

請(qǐng)?zhí)砑訄D片描述