【深度好文】Python图像处理之目标物体轮廓提取

2024-07-15 22:16| 来源: 网络整理| 查看: 265

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实现读入彩色图像 img_name = "./20210808/sample3.png" img = cv2.imread(img_name)

结果如下：请添加图片描述 2) 彩色图像灰度化

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

结果如下：

请添加图片描述 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 # 调用 bin_img = get_binary_img(gray_img)

结果如下：请添加图片描述

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：请添加图片描述

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：请添加图片描述上图中左侧为原图，右侧为我们提取的物体轮廓图。

【本文地址】

公司简介

联系我们