14

我在 Python 2.7.9 上使用 OpenCV 3.0.0。我正在尝试跟踪具有静止背景的视频中的对象，并估计它的一些属性。由于图像中可能有多个移动对象，我希望能够区分它们并在视频的剩余帧中单独跟踪它们。

我认为可以做到这一点的一种方法是将图像转换为二进制，获取 blob 的轮廓（在本例中为被跟踪对象）并获取对象边界的坐标。然后我可以转到灰度图像中的这些边界坐标，获取由该边界包围的像素强度，并在其他帧中跟踪此颜色渐变/像素强度。这样，我可以将两个对象彼此分开，因此它们不会被视为下一帧中的新对象。

我有轮廓边界坐标，但我不知道如何检索该边界内的像素强度。有人可以帮我吗？

谢谢！

4

3 回答 3

27

根据我们的评论，您可以做的是创建一个numpy数组列表，其中每个元素是描述每个对象轮廓内部的强度。具体来说，对于每个轮廓，创建一个填充轮廓内部的二进制掩码，找到(x,y)填充对象的坐标，然后索引到您的图像并获取强度。

我不确切知道您是如何设置代码的，但让我们假设您有一个名为img. 您可能需要将图像转换为灰度，因为cv2.findContours它适用于灰度图像。有了这个，cv2.findContours正常调用：

import cv2
import numpy as np

#... Put your other code here....
#....

# Call if necessary
#img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# Call cv2.findContours
contours,_ = cv2.findContours(img, cv2.RETR_LIST, cv2.cv.CV_CHAIN_APPROX_NONE)

contours现在是一个 3D 数组的列表，其中numpy每个数组的大小是每个对象的轮廓点的总数。N x 1 x 2N

因此，您可以像这样创建我们的列表：

# Initialize empty list
lst_intensities = []

# For each list of contour points...
for i in range(len(contours)):
    # Create a mask image that contains the contour filled in
    cimg = np.zeros_like(img)
    cv2.drawContours(cimg, contours, i, color=255, thickness=-1)

    # Access the image pixels and create a 1D numpy array then add to list
    pts = np.where(cimg == 255)
    lst_intensities.append(img[pts[0], pts[1]])

对于每个轮廓，我们创建一个空白图像，然后在该空白图像中绘制填充轮廓。thickness您可以通过将参数指定为-1来填充轮廓占据的区域。我将轮廓的内部设置为 255。之后，我们使用numpy.where来查找数组中符合特定条件的所有行和列位置。在我们的例子中，我们想要找到等于 255 的值。之后，我们使用这些点来索引我们的图像，以获取轮廓内部的像素强度。

lst_intensities包含一维numpy数组的列表，其中每个元素为您提供属于每个对象轮廓内部的强度。要访问每个数组，只需执行要访问的轮廓lst_intensities[i]在哪里。i

于 2015-10-21T05:56:53.537 回答
3

@rayryeng 的回答非常好！

我的实现中的一件小事是：np.where()返回一个元组，其中包含一个行索引数组和一个列索引数组。因此，pts[0]包括一个列表row indices，对应于图像的高度，pts[1]包括一个列表column indices，对应于图像的宽度。img.shape回报(rows, cols, channels)。_ 所以我认为应该是在img后面img[pts[0], pts[1]]切片。ndarray

于 2017-03-13T15:22:24.390 回答
0

很抱歉，我无法在第一个正确答案中将此作为评论添加，因为我没有足够的声誉来这样做。

实际上，上面的漂亮代码有一点改进：我们可以跳过获取点的行，因为灰度图像和 np.zeros 临时图像具有相同的形状，我们可以使用里面的“位置”直接用括号。像这样的东西：

# (...) opening image, converting into grayscale, detect contours (...)
intensityPer = 0.15
for c in contours:
    temp = np.zeros_like(grayImg)
    cv2.drawContours(temp, [c], 0, (255,255,255), -1)
    if np.mean(grayImg[temp==255]) > intensityPer*255:
        pass # here your code

通过这个样本，我们确保轮廓内区域的平均强度至少为最大强度的 15%

于 2019-07-18T06:47:46.160 回答