Python圖像處理之目標物體輪廓提取的實現方法

Posted on by

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：

請添加圖片描述

2) 彩色圖像灰度化

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

結果如下：

請添加圖片描述

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
# 調用
bin_img = get_binary_img(gray_img)

結果如下：

請添加圖片描述

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：

請添加圖片描述

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：

請添加圖片描述

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：