目錄
- 1 引言
- 2 原理
- 3 Python實現
- 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
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，使觀察者一目了然；邊緣蘊含了豐富的內在信息（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，則最后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，我們實現了物體輪廓提取，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。
到此這篇關于Python圖像處理之目標物體輪廓提取的文章就介紹到這了,更多相關Python目標物體輪廓提取內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關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現函數
