Python图像处理之目标物体轮廓提取的实现方法

合集下载
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

Python图像处理之⽬标物体轮廓提取的实现⽅法
⽬录
1 引⾔
2 原理
3 Python实现
1)读⼊彩⾊图像
2) 彩⾊图像灰度化
3)⼆值化
4)提取轮廓
4 总结
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。

到此这篇关于Python图像处理之⽬标物体轮廓提取的⽂章就介绍到这了,更多相关Python⽬标物体轮廓提取内容请搜索以前的⽂章或继续浏览下⾯的相关⽂章希望⼤家以后多多⽀持!。

相关文档
最新文档