Невозможно правильно определить и замаскировать контур

Question

Я пытаюсь обнаружить и замаскировать второй по величине контур на изображении, как показано на рисунке 1 (с красным контуром). Однако я не могу определить полный второй по величине контур на изображении. Я получаю то, что показано на рисунке 2. Ниже мой код. Пожалуйста, может кто-нибудь любезно посоветовать.

im = cv2.imread('F:\EA-358-4-1.4\ea-580.png')                                                         # Reading image
blur = cv2.GaussianBlur(im,(5,5),cv2.BORDER_DEFAULT)                                             # Smoothing image
img = cv2.cvtColor(blur, cv2.COLOR_BGR2GRAY)                                                     # Converting to greyscale image
ret, thresh = cv2.threshold(img,0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)
_, contours,_ = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)                 # Finding contours, hierarchy et al.
print(len(contours))

# Masking image and drawing contour
cnt = contours 
mask = np.zeros_like(im)                                                                         # Masking the contour
second_largest_cnt = sorted(cnt, key = cv2.contourArea, reverse = True)[1]                          # Dtermine the second largest contour
cv2.drawContours(mask,[second_largest_cnt],-1,(255,255,255),-1)                                    # Drawing the detected contour

# Copying mask of detected contour unto original image  and canning edge detection
out = mask.copy()                                                                                # Copying the mask nto the original image
out[mask == 255] = im[mask == 255]                                                  
canny = feature.canny(out[:, :, 0],sigma=1,low_threshold=5,high_threshold=10)                    # Detecting the egeds of the image

plt.subplot(121),plt.imshow(canny,cmap='gray')
plt.xticks([]),plt.yticks([])
plt.subplot(122),plt.imshow(out,cmap='gray')
plt.xticks([]),plt.yticks([])

Рисунок 1

Рисунок 2

Рисунок 3

Обновлен код Я обновил код в соответствии с предложением @HansHirse, но не могу получить никаких результатов.

im = cv2.imread('F:\EA-358-4-1.4\ea-580.png',cv2.IMREAD_GRAYSCALE)
#new = im[:,:,1] 
mask = np.zeros_like(im)

th3 = cv2.adaptiveThreshold(im,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C,cv2.THRESH_BINARY,201,-1)

kernel = np.ones((5,5),np.uint8)
opening = cv2.morphologyEx(mask, cv2.MORPH_OPEN, cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(7,7)),kernel)
dilate = cv2.dilate(mask,cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(11,11)))

img = im-mask

thresh = cv2.threshold(img,0,255,cv2.THRESH_OTSU)

opening = cv2.morphologyEx(img, cv2.MORPH_CLOSE, cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(7,7)),kernel)

_, contours,_ = cv2.findContours(img,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)

cv2.drawContours(im,contours,-1,255,1)
cv2.imshow('im',im)

Answer 1

Поскольку я (пока) не очень хорошо знаком с OpenCV в Python, я предоставлю свое решение с использованием C ++ OpenCV. Я прокомментировал каждую строку, чтобы сделать перенос на Python максимально простым.

// Read input image.
cv::Mat img = cv::imread("e9dzM.png", cv::IMREAD_GRAYSCALE);

// Initialize mask.    
cv::Mat mask = img.clone();

// Adaptive thresholding, 201 x 201 neighbourhood. 
cv::adaptiveThreshold(img, mask, 255, cv::ADAPTIVE_THRESH_GAUSSIAN_C, cv::THRESH_BINARY, 201, -1);

// Morphological opening, 7 x 7 ellipsoid.
cv::morphologyEx(mask, mask, cv::MORPH_OPEN, cv::getStructuringElement(cv::MORPH_ELLIPSE, cv::Size(7, 7)));

// Morphological dilating, 7 x 7 ellipsoid.
cv::dilate(mask, mask, cv::getStructuringElement(cv::MORPH_ELLIPSE, cv::Size(11, 11)));

// Temporary image: Subtract ring like structure from original image.
cv::Mat temp = img - mask;

// Plain thresholding using Otsu method.
cv::threshold(temp, temp, 0, 255, cv::THRESH_OTSU);

// Morphological closing, 7 x 7 ellipsoid.
cv::morphologyEx(temp, temp, cv::MORPH_CLOSE, cv::getStructuringElement(cv::MORPH_ELLIPSE, cv::Size(7, 7)));

// Find contours in temporary image.
std::vector<std::vector<cv::Point>> contours;
cv::findContours(temp, contours, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_NONE);

// Draw found contours in input image.
cv::drawContours(img, contours, -1, cv::Scalar(255), 1);

// Save image.
cv::imwrite("output.png", img);

Вы получите следующее изображение:

Это решение может работать для определенных изображений, предоставленных вами. Я очень сомневаюсь, что этот код может быть использован для более общих задач. Пожалуйста, имейте это в виду.

Answer 2

Кажется, что некоторые изображения имеют неравномерное освещение, поэтому я применил адаптивный порог к некоторым изображениям, используя исходный код, и это сработало.