目錄
- 1 引言
- 2 原理
- 3 Python實現(xiàn)
- 1）讀入彩色圖像
- 2) 彩色圖像灰度化
- 3）二值化
- 4）提取輪廓
- 4 總結(jié)
1 引言
目標(biāo)物體的邊緣對圖像識別和計算機分析十分有用。邊緣可以勾畫出目標(biāo)物體，使觀察者一目了然；邊緣蘊含了豐富的內(nèi)在信息（如方向、形狀等），是圖像識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單，就是掏空內(nèi)部點：如果原圖中有一點為黑，且它的8個相鄰點皆為黑色，則將該點刪除。對于非二值圖像，需要先進行二值化處理。輪廓提取的方法有很多，在這里我們介紹一種最基本、最簡單容易實現(xiàn)的算法。算法原理如下：
- 在進行輪廓提取時，使用一個一維數(shù)組，用來記錄處理的像素點的周圍8鄰域的信息
- 若8個鄰域的像素點的灰度值和中心點的灰度值相同，則認(rèn)為該點在物體的內(nèi)部，可以刪除；
- 否則，認(rèn)為該點在圖像的邊緣，需要保留。
- 依次處理圖像中每一個像素，則最后留下來的就是圖像的輪廓。
3 Python實現(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，進行實現(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)
通過上述簡單步驟，我們實現(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！
您可能感興趣的文章:- python-opencv在有噪音的情況下提取圖像的輪廓實例
- Python實現(xiàn)使用卷積提取圖片輪廓功能示例
- Python OpenCV 基于圖像邊緣提取的輪廓發(fā)現(xiàn)函數(shù)
