python+opencv2快速找出一组点包围的区域中的所有点 | 您所在的位置:网站首页 › 点的聚集构成 › python+opencv2快速找出一组点包围的区域中的所有点 |
文章目录
使用场景概述方法介绍和代码分享
使用场景概述
假设你手头有一组点的坐标,你想找出这组坐标包围构成的多边形区域中的所有坐标点,即从边界生成分割掩模,也即cv2.findContours的反向操作。 先说这个需求的出发点,假设有一个我们有以下如图所示的AI自动分割的结果,蓝色的边界线是根据分割的二值掩模使用cv2.findContours确定并显示出来的。 由于边界包含了过多且密集的点,使得在后续判定修改的具体是哪个点难以进行判定。为解决这一问题,我们先采用对边界进行均匀下采样,即相隔一定的样本数进行采样。 首先提取边界: img = cv2.imread(image_path) label = np.asarray(cv2.imread(label_path,0)) contours, _ = cv2.findContours(label.astype(np.uint8), cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE) contours_lens = [len(c) for c in contours] cnts = contours[np.argmax(contours_lens)]如果不使用最后一句进行筛选,画出来发现其实contour不止是最边界的一条。 假设选取其中的25个点作为采样点,这25个采样点之间相隔相同的点数: interval = cnts.shape[0] // 25 points = [cnts[i,:] for i in range(0,cnts.shape[0],interval)] points = np.asarray(points).squeeze()第一句是为了找出采样间隔,将总点数除以采样的样本数。 绘制出采样点 for point in points: radius = 5 color=(0,255,0) thickness = 2 cv2.circle(img,(point[0],point[1]),radius,color,thickness)
效果如下: |
CopyRight 2018-2019 实验室设备网 版权所有 |