Масштабировать контуры вверх / расти наружу

Question

У меня есть небольшой скрипт ^(GitHub) (на основе этот ответ ) для обнаружения объектов на белом фоне.Скрипт работает нормально и обнаруживает объекты.Например, это изображение:

становится таким:

и я обрезаю boundingRect (красный).

Я буду делать дальнейшие операции с этим изображением.Например, вместо обрезки прямоугольника я буду обрезать только контур.(В любом случае, это еще одна проблема, с которой придется столкнуться.)

Теперь я хочу увеличить / увеличить контур (зеленый).Я не уверен, что масштабирование и рост означают одно и то же в этом контексте, потому что, когда я думаю о масштабе, обычно есть одна точка происхождения / точка привязки.С ростом это относительно краев.Я хочу иметь что-то вроде этого (созданное в Photoshop):

Поэтому после того, как я обнаружу контуры объекта / найду, я хочу увеличить его накакое-то значение / соотношение, так что у меня есть немного пространства / пикселей для изменения, которое не повлияет на объект.Как я могу это сделать?

Упомянутый сценарий:

# drop an image on this script file
img_path = Path(sys.argv[1])

# open image with Pillow and convert it to RGB if the image is CMYK
img = Image.open(str(img_path))
if img.mode == "CMYK":
    img = ImageCms.profileToProfile(img, "Color Profiles\\USWebCoatedSWOP.icc", "Color Profiles\\sRGB_Color_Space_Profile.icm", outputMode="RGB")

img      = cv2.cvtColor(numpy.array(img), cv2.COLOR_RGB2BGR)
gray     = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
threshed = cv2.threshold(gray, 240, 255, cv2.THRESH_BINARY_INV)[1]
kernel   = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (11,11))
morphed  = cv2.morphologyEx(threshed, cv2.MORPH_CLOSE, kernel)
contours = cv2.findContours(morphed, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[-2]
contour  = sorted(contours, key=cv2.contourArea)[-1]

x, y, w, h = cv2.boundingRect(contour)

final = cv2.drawContours(img, contours, -1, (0,255,0), 2)
cv2.rectangle(final, (x,y), (x+w,y+h), (0,0,255), 2)

cv2.imshow("final", final)
cv2.waitKey(0)
cv2.destroyAllWindows()

---

_{Изображения, размещенные здесь, уменьшены, чтобы сократить вопрос.Оригинальные изображения и сценарии можно найти на упомянутой (первом абзаце) странице GitHub.}

Answer 1

Благодаря предложению ХансХирса (с использованием морфологического расширения) мне удалось заставить его работать.

img_path = Path(sys.argv[1])

def cmyk_to_rgb(cmyk_img):
    img = Image.open(cmyk_img)
    if img.mode == "CMYK":
        img = ImageCms.profileToProfile(img, "Color Profiles\\USWebCoatedSWOP.icc", "Color Profiles\\sRGB_Color_Space_Profile.icm", outputMode="RGB")
    return cv2.cvtColor(numpy.array(img), cv2.COLOR_RGB2BGR)

def cv_threshold(img, thresh=128, maxval=255, type=cv2.THRESH_BINARY):
    if len(img.shape) == 3:
        img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    threshed = cv2.threshold(img, thresh, maxval, type)[1]
    return threshed

def find_contours(img, to_gray=None):
    kernel   = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (11,11))
    morphed  = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)
    contours = cv2.findContours(morphed, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    return contours[-2]

def mask_from_contours(ref_img, contours):
    mask = numpy.zeros(ref_img.shape, numpy.uint8)
    mask = cv2.drawContours(mask, contours, -1, (255,255,255), -1)
    return cv2.cvtColor(mask, cv2.COLOR_BGR2GRAY)

def dilate_mask(mask, kernel_size=10):
    kernel  = numpy.ones((kernel_size,kernel_size), numpy.uint8)
    dilated = cv2.dilate(mask, kernel, iterations=1)
    return dilated

def draw_contours(src_img, contours):
    canvas = cv2.drawContours(src_img.copy(), contours, -1, (0,255,0), 2)
    x, y, w, h = cv2.boundingRect(contours[-1])
    cv2.rectangle(canvas, (x,y), (x+w,y+h), (0,0,255), 2)
    return canvas

orig_img      = cmyk_to_rgb(str(img_path))
orig_threshed = cv_threshold(orig_img, 240, type=cv2.THRESH_BINARY_INV)
orig_contours = find_contours(orig_threshed)
orig_mask     = mask_from_contours(orig_img, orig_contours)
orig_output   = draw_contours(orig_img, orig_contours)

dilated_mask     = dilate_mask(orig_mask, 50)
dilated_contours = find_contours(dilated_mask)
dilated_output   = draw_contours(orig_img, dilated_contours)

cv2.imshow("orig_output", orig_output)
cv2.imshow("dilated_output", dilated_output)

cv2.waitKey(0)
cv2.destroyAllWindows()

Я считаю, что код достаточно самообъясняющий.Пример вывода:

Полный сценарий (снова) можно найти по адресу show_dilated_contours.py

Обновление
В качестве бонуса позже я захотел сгладить контуры.Я наткнулся на это сообщение в блоге , в котором автор рассказывает о том, как сгладить края фигуры (в Photoshop).Идея действительно проста и может также применяться в OpenCV для сглаживания контуров.Шаги:

1. Создание маски из контуров (или из фигуры)
2. Размытие маски
3. Порог размытой маски (теперь у нас есть сглаживатель)маска, чем маска в шаге 1)
4. Найдите контуры снова на размытом + пороговом изображении.Поскольку маска / форма более плавные, мы получим более плавные контуры.

Пример кода и вывод:

# ... continuing previos code

# pass 1
smooth_mask_blurred   = cv2.GaussianBlur(dilated_mask, (21,21), 0)
smooth_mask_threshed1 = cv_threshold(smooth_mask_blurred)

# pass 2
smooth_mask_blurred   = cv2.GaussianBlur(smooth_mask_threshed1, (21,21), 0)
smooth_mask_threshed2 = cv_threshold(smooth_mask_blurred)

# find contours from smoothened mask
smooth_mask_contours = find_contours(smooth_mask_threshed2)
# draw the contours on the original image
smooth_mask_output   = draw_contours(orig_img, smooth_mask_contours)

cv2.imshow("dilated_output", dilated_output)
cv2.imshow("smooth_mask_output", smooth_mask_output)

Полный код на show_smooth_contours.py .