Python OpenCV提取物體輪廓

通常提取物體的輪廓時，影像都存在噪聲，提取效果并不理想，如提取下圖的輪廓時，

提取代碼：

import cv2

img = cv2.imread("mouse.png")
cv2.imshow("origin",img)
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
ret,binary = cv2.threshold(gray,128,255,cv2.THRESH_BINARY)
cv2.imshow("binary",binary)

contours, hierarchy = cv2.findContours(binary,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
cv2.drawContours(img,contours,-1,(0,0,255),3)
cv2.imshow("result", img)
cv2.waitKey(0)

提取效果：

可以看出存在非常嚴重的噪聲干擾，因此，提取輪廓之前需要過濾噪聲的干擾，

首先，進行對影像進行均值濾波（低通濾波），去除噪聲

blured = cv2.blur(img,(5,5))
cv2.imshow("blur",blured)

使用floodfill來去掉目標周圍的背景，泛洪填充類始于ps的魔棒工具，這里用來清除背景，

mask = np.zeros((h+2, w+2), np.uint8)       #掩碼長和寬都比輸入影像多兩個像素點，泛洪填充不會超出掩碼的非零邊緣  
#進行泛洪填充
cv2.floodFill(blured, mask, (10,10), (255,255,255), (2,2,2),(3,3,3),8)
cv2.imshow("floodfill", blured)

floodFill函式決議

• img：為待使用泛洪演算法的影像
• mask：為掩碼層，使用掩碼可以規定是在哪個區域使用該演算法，如果是對于完整影像都要使用，則掩碼層大小為原圖行數+2，列數+2.是一個二維的0矩陣，邊緣一圈會在使用演算法是置為1，而只有對于掩碼層上對應為0的位置才能泛洪，所以掩碼層初始化為0矩，【dtype:np.uint8】
• seed：為泛洪演算法的種子點，也是根據該點的像素判斷決定和其相近顏色的像素點，是否被泛洪處理，

• newvalue：是對于泛洪區域新賦的值（B,G,R）
• (loDiff1,loDiff2,loDiff3)：是相對于seed種子點像素可以往下的像素值，即seed(B0,G0,R0)，泛洪區域下界為（B0-loDiff1,G0-loDiff2,R0-loDiff3）
• (upDiff1,upDiff2,upDiff3)：是相對于seed種子點像素可以往上的像素值，即seed(B0,G0,R0)，泛洪區域上界為（B0+upDiff1,G0+upDiff2,R0+upDiff3）
• flag：為泛洪演算法的處理模式：
• 低八位 控制演算法的連通性，是以seed點為中心，接著判斷周圍的幾個像素點，再將泛洪區域像素點周圍的幾個像素點進行考慮， 一般為4，8；默認為4
• 中間八位 與掩碼層賦值密切相關，一般使用（255<<8）使中間8位全位1，則值為255，也就是掩碼層對應原圖的泛洪區域的部分被由原來的初值0賦值成255，如果中間8位為0，則賦值為1.
• 高八位 由opencv宏引數指定
  • cv2.FLOODFILL_FIXED_RANGE：改變影像，填充newvalue
  • cv2.FLOODFILL_MASK_ONLY：不改變原影像，也就是newvalue引數失去作用，而是改變對應區域的掩碼，設為中間八位的值

然后轉換成灰度圖

1 gray = cv2.cvtColor(blured,cv2.COLOR_BGR2GRAY)  
2 cv2.imshow("gray", gray)  

此時目標影像周圍有寫不光滑，還有一些噪聲，因此進行開閉運算，得到比較光滑的目標

1 #定義結構元素  
2 kernel = cv2.getStructuringElement(cv2.MORPH_RECT,(50, 50))
3 #開閉運算，先開運算去除背景噪聲，再繼續閉運算填充目標內的孔洞
4 opened = cv2.morphologyEx(gray, cv2.MORPH_OPEN, kernel)  
5 closed = cv2.morphologyEx(opened, cv2.MORPH_CLOSE, kernel)  
6 cv2.imshow("closed", closed) 

接著轉換成二值圖以便于獲取影像的輪廓

最后進行輪廓提取，抓取到目標

1 #找到輪廓
2 _,contours, hierarchy = cv2.findContours(binary,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)  
3 #繪制輪廓
4 cv2.drawContours(img,contours,-1,(0,0,255),3)  
5 #繪制結果
6 cv2.imshow("result", img)

全部代碼：

#coding=utf-8
import cv2
import numpy as np

img = cv2.imread("temp.jpg")                #載入影像
h, w = img.shape[:2]                        #獲取影像的高和寬
cv2.imshow("Origin", img)                   #顯示原始影像

blured = cv2.blur(img,(5,5))                #進行濾波去掉噪聲
cv2.imshow("Blur", blured)                  #顯示低通濾波后的影像

mask = np.zeros((h+2, w+2), np.uint8)       #掩碼長和寬都比輸入影像多兩個像素點，滿水填充不會超出掩碼的非零邊緣
#進行泛洪填充
cv2.floodFill(blured, mask, (w-1,h-1), (255,255,255), (2,2,2),(3,3,3),8)
cv2.imshow("floodfill", blured)

#得到灰度圖
gray = cv2.cvtColor(blured,cv2.COLOR_BGR2GRAY)
cv2.imshow("gray", gray)


#定義結構元素
kernel = cv2.getStructuringElement(cv2.MORPH_RECT,(50, 50))
#開閉運算，先開運算去除背景噪聲，再繼續閉運算填充目標內的孔洞
opened = cv2.morphologyEx(gray, cv2.MORPH_OPEN, kernel)
closed = cv2.morphologyEx(opened, cv2.MORPH_CLOSE, kernel)
cv2.imshow("closed", closed)

#求二值圖
ret, binary = cv2.threshold(closed,250,255,cv2.THRESH_BINARY)
cv2.imshow("binary", binary)

#找到輪廓
_,contours, hierarchy = cv2.findContours(binary,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
#繪制輪廓

cv2.drawContours(img,contours,-1,(0,0,255),3)
#繪制結果
cv2.imshow("result", img)

cv2.waitKey(0)
cv2.destroyAllWindows()