Идентификация контура с использованием OpenCV - PullRequest
Новая
       43

Идентификация контура с использованием OpenCV

0 голосов
/ 10 октября 2018

У меня есть коллекция объектов на изображении.Проверьте пример входного изображения здесь .

Я хотел бы найти контур каждого объекта.Я следую приведенному ниже подходу к идентификации контура с помощью OpenCV2 

gray = cv2.cvtColor(input_image, cv2.COLOR_BGR2GRAY)
gray = cv2.GaussianBlur(gray, (7, 7), 0)
edged = cv2.Canny(gray, 50, 100)
dilate= cv2.dilate(edged, None, iterations=1)
erode= cv2.erode(dilate, None, iterations=1)
cnts = cv2.findContours(erode, cv2.RETR_EXTERNAL,
        cv2.CHAIN_APPROX_SIMPLE)

Это вывод контура, который я получаю для приведенного выше кода: см. Выходное изображение

Есть ли лучший подход для идентификации объекта на изображении?

1 Ответ

0 голосов
/ 10 октября 2018

Вы пропустили простой шаг в своем фрагменте кода, cv2.findContours() лучше всего работает с двоичными изображениями, но вы просто передаете изображение серой шкалы в cv2.findContours.Я выполнил следующие шаги, чтобы выделить яблоки из фона:

Шаг 1: Сегментируйте фон, который в основном содержит оттенки серого.

Здесь вы можете использовать цветовую область HSV, гдепри низком значении насыщенности фон будет сегментирован следующим образом: 

img_hsv = cv2.cvtColor(img_bgr, cv2.COLOR_BGR2HSV_FULL)

# Filter out low saturation values, which means gray-scale pixels(majorly in background)
bgd_mask = cv2.inRange(img_hsv, np.array([0, 0, 0]), np.array([255, 30, 255]))

enter image description here

Шаг 2. Для пикселей черного цвета значение насыщенности было резким, поэтому мыСегментированные крайние черные и белые пиксели: 

# Get a mask for pitch black pixel values
black_pixels_mask = cv2.inRange(img_bgr, np.array([0, 0, 0]), np.array([70, 70, 70]))

# Get the mask for extreme white pixels.
white_pixels_mask = cv2.inRange(img_bgr, np.array([230, 230, 230]), np.array([255, 255, 255]))

Black pixels mask White pixels mask

Шаг 3: Объедините эти маски, чтобы получитьокончательная маска для cv2.findContours: 

final_mask = cv2.max(bgd_mask, black_pixels_mask)
final_mask = cv2.min(final_mask, ~white_pixels_mask)
final_mask = ~final_mask

Merged mask

Шаг 4. Теперь, чтобы заполнить отверстия, мы размываем и расширяем изображение: 

final_mask = cv2.erode(final_mask, np.ones((3, 3), dtype=np.uint8))
final_mask = cv2.dilate(final_mask, np.ones((5, 5), dtype=np.uint8))

enter image description here

Шаг 5: Используйте cv2.findContours(), чтобы получить контуры и отфильтровать их по области, чтобы удалить меньшие: 

# Now you can finally find contours.
im, contours, hierarchy = cv2.findContours(final_mask.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)

final_contours = []
for contour in contours:
    area = cv2.contourArea(contour)
    if area > 2000:
        final_contours.append(contour)

Шаг 6: Показать окончательные контуры

Final output

Вот полный фрагмент кода: 

import cv2
import numpy as np

img_bgr = cv2.imread("/home/anmol/Downloads/tWuTW.jpg")
img_hsv = cv2.cvtColor(img_bgr, cv2.COLOR_BGR2HSV_FULL)

# Filter out low saturation values, which means gray-scale pixels(majorly in background)
bgd_mask = cv2.inRange(img_hsv, np.array([0, 0, 0]), np.array([255, 30, 255]))

# Get a mask for pitch black pixel values
black_pixels_mask = cv2.inRange(img_bgr, np.array([0, 0, 0]), np.array([70, 70, 70]))

# Get the mask for extreme white pixels.
white_pixels_mask = cv2.inRange(img_bgr, np.array([230, 230, 230]), np.array([255, 255, 255]))

final_mask = cv2.max(bgd_mask, black_pixels_mask)
final_mask = cv2.min(final_mask, ~white_pixels_mask)
final_mask = ~final_mask

final_mask = cv2.erode(final_mask, np.ones((3, 3), dtype=np.uint8))
final_mask = cv2.dilate(final_mask, np.ones((5, 5), dtype=np.uint8))

# Now you can finally find contours.
im, contours, hierarchy = cv2.findContours(final_mask.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)

final_contours = []
for contour in contours:
    area = cv2.contourArea(contour)
    if area > 2000:
        final_contours.append(contour)


for i in xrange(len(final_contours)):
    img_bgr = cv2.drawContours(img_bgr, final_contours, i, np.array([50, 250, 50]), 4)


debug_img = img_bgr
debug_img = cv2.resize(debug_img, None, fx=0.3, fy=0.3)
cv2.imwrite("./out.png", debug_img)
...