Python圖像處理之目標物體輪廓提取的實現方法
1 引言
目標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物體,使觀察者一目瞭然;邊緣蘊含瞭豐富的內在信息(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。對於非二值圖像,需要先進行二值化處理。輪廓提取的方法有很多,在這裡我們介紹一種最基本、最簡單容易實現的算法。算法原理如下:
- 在進行輪廓提取時,使用一個一維數組,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,則認為該點在物體的內部,可以刪除;
- 否則,認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,則最後留下來的就是圖像的輪廓。
3 Python實現
1)讀入彩色圖像
img_name = "./20210808/sample3.png" img = cv2.imread(img_name)
結果如下:
2) 彩色圖像灰度化
gray_img = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
結果如下:
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 # 調用 bin_img = get_binary_img(gray_img)
結果如下:
4)提取輪廓
參考上述原理,進行實現,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 # 調用 contour_img = get_contour(bin_img)
結果如下:
4 總結
通過上述簡單步驟,我們實現瞭物體輪廓提取,相應的處理效果如下:
上圖中 左側為原圖,右側為我們提取的物體輪廓圖。
到此這篇關於Python圖像處理之目標物體輪廓提取的文章就介紹到這瞭,更多相關Python目標物體輪廓提取內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet!
推薦閱讀:
- python opencv膚色檢測的實現示例
- Python圖像運算之圖像點運算與灰度化處理詳解
- Python中八大圖像特效算法的示例詳解
- Python 實現圖像特效中的油畫效果
- Python+OpenCV實現六種常用圖像特效