Получить границу от хитрых краев и удалить фон изображения

Question

Я пытаюсь удалить фон изображения, с которым я пытаюсь обучить нейронную сеть. Мне немного повезло, используя метод, описанный здесь ( Как убрать фон из этого вида изображения? ), но я смог использовать Canny Edge Detector, чтобы получить полу-хорошее "Граница "объекта в моем изображении. Вот мой код, который я использую

import cv2 as cv, sys, numpy as np, PIL.Image, matplotlib.pylab as plt

# read command-line arguments
filename = '/Users/colew/Desktop/Good_Cups_Frames/frame_IMG_2057.MOV_0.jpg'

img = cv.imread(filename,0)
edges = cv.Canny(img,25,200)
plt.subplot(121),plt.imshow(img,cmap = 'gray')
plt.title('Original Image'), plt.xticks([]), plt.yticks([])
plt.subplot(122),plt.imshow(edges,cmap = 'gray')
plt.title('Edge Image'), plt.xticks([]), plt.yticks([])
plt.savefig("pic")
plt.show()

, и получаемые изображения получаются

Так что яИщу именно для меня способ получить границы хитрых краев, а затем оттуда обрезать исходное изображение вокруг этих границ. Спасибо!

Answer 1

Если я правильно понимаю, вы хотите удалить фон и извлечь объект. Вместо использования Canny, вот альтернативный подход. Поскольку вы не предоставили исходное изображение, я сделал снимок экрана, чтобы использовать его в качестве входных данных. В общем, существует несколько способов получения бинарного изображения для выделения границ. Они включают в себя регулярное определение порога, определение порога Оцу, адаптивное определение порога и обнаружение края Канни. В этом случае Otsu, вероятно, лучший, так как есть фоновый шум

---

Сначала мы конвертируем изображение в оттенки серого, затем выполняем пороговое значение Otsu для получения двоичного изображения

Есть нежелательные секции, поэтому для их удаления мы выполняем морфинг, открывающий для разделения суставов

Теперь, когда суставыразделены, мы находим контуры и фильтруем, используя область контура. Мы извлекаем самый большой контур, представляющий желаемый объект, затем рисуем этот контур на маске

Мы почти на месте, но есть недостатки, поэтому мы приближаемся, чтобы заполнить отверстия

Далее мы побитовые - и с исходным изображением

Наконец, чтобы получить желаемый результат, мы окрашиваем во все черноепикселей на маске до белого цвета

Отсюда вы можете использовать Numpy Slicing для извлечения ROI, но я не совсем уверен, что вы пытались сделать. Я оставлю это на ваше усмотрение

import cv2
import numpy as np

image = cv2.imread("1.png")
original = image.copy()
mask = np.zeros(image.shape, dtype=np.uint8)
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)[1]
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5,5))
opening = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, kernel, iterations=3)

cnts = cv2.findContours(opening, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]
cnts = sorted(cnts, key=cv2.contourArea, reverse=True)
for c in cnts:
    cv2.drawContours(mask, [c], -1, (255,255,255), -1)
    break

close = cv2.morphologyEx(mask, cv2.MORPH_CLOSE, kernel, iterations=4)
close = cv2.cvtColor(close, cv2.COLOR_BGR2GRAY)
result = cv2.bitwise_and(original, original, mask=close)
result[close==0] = (255,255,255)

cv2.imshow('result', result)
cv2.waitKey()