Я видел много примеров разделения объектов с использованием алгоритма Watershed, и я также создал код для этого. Я работаю над изображениями Tra sh, и проблема в том, что бумага напоминает фон, как картон. В каждом уроке они отмечают границу вокруг границ найденного объекта (контур или маска, я думаю, имеют в виду одно и то же).
Я хочу получить любое количество объектов на изображении, но не на изображении. Единственный способ сделать это - использовать альфа-канал.
ЕСЛИ ЛЮБОЙ ДРУГОЙ МЕТОД, ПОЖАЛУЙСТА, ПРЕДЛАГАЙТЕ
Как извлечь и / или сделать прозрачный фон, чтобы моя модель глубокого обучения не путалась с этими. Вот мой код
def extract_obj(img=True,filepath=False):
if filepath:
img = cv2.imread(filepath)
r,g,b = cv2.split(img)
rgb_img = cv2.merge([r,g,b])
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
else:
if img.max()<=1:
img = np.array(img*255).astype('uint8')
else:
img = img.astype('uint8')
gray = cv2.cvtColor(img,cv2.COLOR_RGB2GRAY)
ret, thresh = cv2.threshold(gray,0,255,cv2.THRESH_BINARY_INV+cv2.THRESH_OTSU)
# noise removal
kernel = np.ones((2,2),np.uint8)
# opening = cv2.morphologyEx(thresh,cv2.MORPH_OPEN,kernel, iterations = 2)
closing = cv2.morphologyEx(thresh,cv2.MORPH_CLOSE,kernel, iterations = 2)
sure_bg = cv2.dilate(closing,kernel,iterations=3)
# Finding sure foreground area
dist_transform = cv2.distanceTransform(sure_bg,cv2.DIST_L2,3)
# Threshold
ret, sure_fg = cv2.threshold(dist_transform,0.1*dist_transform.max(),255,0)
# Finding unknown region
sure_fg = np.uint8(sure_fg)
unknown = cv2.subtract(sure_bg,sure_fg)
# Marker labelling
ret, markers = cv2.connectedComponents(sure_fg)
# Add one to all labels so that sure background is not 0, but 1
markers = markers+1
# Now, mark the region of unknown with zero
markers[unknown==255] = 0
markers = cv2.watershed(img,markers)
img[markers == -1] = [255,0,0]
return img
Пожалуйста, добавьте что-нибудь в существующий или предложите новый код или метод, чтобы я мог воплотить идею в жизнь