如何在cv2.findcontours上獲得準確的結果以在BW/黑白影像中查找物件？

這是一個完美的示例影像，其中包括一系列黑色物體。

這個代碼假設找到每一個黑色植物

import cv2 as cv
import numpy as np
img = cv.imread("12.jpg")
tresh_min= 200
tresh_max=255
gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
blurred = cv.GaussianBlur(gray, (5, 5), 0)
_, threshold = cv.threshold(blurred, tresh_min, tresh_max, 0)
(contours, _)= cv.findContours(threshold, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)

print(f'Number of countours: {len(contours)}')
mask = np.ones(img.shape[:2], dtype="uint8") * 255


# Draw the contours on the mask
cv.drawContours(mask, contours=contours, contourIdx=-1, color=(0, 255, 255), thickness=2)

但結果令人失望，因為這

其中包括 118 個輪廓。請注意，我需要找到并獲取 14 個物件。當輪廓實際上不正確時如何切割每株植物。或者至少將非常接近的輪廓連接到每個較大的輪廓，以分別保存物件？謝謝

uj5u.com熱心網友回復：

我們可以使用dilate代替GaussianBlur，使用RETR_EXTERNAL代替RETR_TREE，并且只保留大輪廓。

• 反轉threshold：

   _, threshold = cv.threshold(gray, tresh_min, tresh_max, cv.THRESH_BINARY_INV)
  

• 用柱核膨脹（假設植物又高又窄）：

   dilate_threshold = cv.dilate(threshold, np.ones((15, 1), np.uint8))
  

• 回圈遍歷輪廓串列并僅保留面積大于 1000 的輪廓。

代碼示例：

import cv2 as cv
import numpy as np

img = cv.imread("12.jpg")
tresh_min= 200
tresh_max=255
gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
#blurred = cv.GaussianBlur(gray, (5, 5), 0)
_, threshold = cv.threshold(gray, tresh_min, tresh_max, cv.THRESH_BINARY_INV)
dilate_threshold = cv.dilate(threshold, np.ones((15, 1), np.uint8))
(contours, _)= cv.findContours(dilate_threshold, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)  # Use RETR_EXTERNAL instead of RETR_TREE

print(f'Number of countours: {len(contours)}')
mask = np.ones(img.shape[:2], dtype="uint8") * 255


# Draw the contours on the mask
large_contours = []
for c in contours:
    area_tresh = 1000
    area = cv.contourArea(c)
    if area > area_tresh:
        cv.drawContours(mask, [c], contourIdx=-1, color=(0, 255, 255), thickness=1)
        large_contours.append(c)  # Append to list of "large contours".

print(f'Number of large countours: {len(large_contours)}')

# Show output for testing
cv.imshow('threshold', threshold)
cv.imshow('dilate_threshold', dilate_threshold)
cv.imshow('mask', mask)
cv.waitKey()
cv.destroyAllWindows()

輸出mask：

uj5u.com熱心網友回復：

這是如何使用連接組件解決此問題的想法。解決方案是用 C 撰寫的，但用 python 撰寫應該沒什么大不了的。

  auto original = cv::imread("image.jpg");

  cv::Mat gray;
  cv::cvtColor(original, gray, cv::COLOR_BGR2GRAY);
  cv::imshow("Gray", gray);

  cv::Mat thresh, dilatedImage, erodedImage;
  cv::threshold(gray, thresh, 253, 255, cv::THRESH_BINARY_INV);
  cv::imshow("Threshold", thresh);

  auto kernel = cv::getStructuringElement(cv::MORPH_RECT, cv::Size(3, 3));
  cv::dilate(thresh, dilatedImage, kernel);
  cv::imshow("Dilated Image", dilatedImage);

  cv::Mat labels;
  auto numberOfComponentes = cv::connectedComponents(dilatedImage, labels);
  std::cout << "Number of components: " << numberOfComponentes << std::endl;
  std::cout << "Number of blobs: " << numberOfComponentes - 1 << std::endl;

  // Show all components separatly
  for (int i = 1; i < numberOfComponentes;   i)
    cv::imshow(std::to_string(i), labels == i);

  cv::waitKey(0);
  cv::destroyAllWindows();

編輯：

使用此解決方案檢測到的所有組件。有很多視窗，因為每個組件都是單獨顯示的。

標籤：python-3.x 麻木的 opencv 图像处理 opencv轮廓

上一篇：OpenCvDnnSuperResImpl(C )例外

下一篇：找不到opencv函式的來源