Вы можете использовать технику маскировки, чтобы выполнить свою работу.Вот мой код:
import cv2
import os
import numpy as np
import matplotlib.pyplot as plt
import copy
%matplotlib inline
#-----------------------------------------------------------------------------------
I = cv2.imread('E:\\Mukul\\others\\stof.png') #input image
#I.shape
I_cnt = np.where(I[:,:,2] == 255) #location of your bounding box region
I_mask = np.zeros_like(I[:,:,2]) # mask for the input image
I_mask[list(I_cnt[0]), list(I_cnt[1])] = 255
plt.imshow(I_mask, cmap = 'gray')
I_cnt1, _ = cv2.findContours(I_mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
np.array(I_cnt1).shape # (1, 1420, 1, 2)
cv2.fillConvexPoly(I_mask, I_cnt1[0], 255)
plt.imshow(I_mask,cmap = 'gray')
Так как мы хотимнаша ограничивающая область будет черной, мы будем инвертировать наше изображение с помощью cv2.bitwise_not()
, а затем с помощью cv2.bitwise_and()
получить требуемое выходное изображение.
I_mask1 = cv2.bitwise_not(I_mask)
out = cv2.bitwise_and(I_mask1, I[:,:,2])
plt.imshow(out,cmap = 'gray')
Вместо того, чтобы использовать вышеупомянутые линии, чтобы найти контуры нашей двоичной маски, которую можно использовать для заполнения нашей области с помощью cv2.fillConvexPoly (), мы можем напрямую преобразовать I_cnt[0]
(массив, содержащий координату x) и I_cnt[1]
(массив, содержащий y-координату) в массив (x, y) координат, используя следующий код:
temp_list = []
for a, b in zip(I_cnt[0], I_cnt[1]):
temp_list.append([a, b])
ctr = np.array(temp_list).reshape((-1,1,2)).astype(np.int32)
I_mask2 = np.zeros_like(I[:,:,2])
I_mask2[list(I_cnt[0]), list(I_cnt[1])] = 255
plt.imshow(I_mask2, cmap = 'gray')
cv2.fillConvexPoly(I_mask1, ctr, 255)
plt.imshow(I_mask2,cmap = 'gray')