14

Opencv的python包装器中有什么方法/函数可以在二进制图像中找到黑色区域？（如Matlab 中的regionprops）到目前为止，我加载了我的源图像，通过阈值将其转换为二进制图像，然后将其反转以突出黑色区域（现在是白色）。

我不能使用第三方库，例如 cvbloblob 或 cvblob

4

5 回答 5

25

基本上，您使用该findContours功能，结合 OpenCV 专门为此目的提供的许多其他功能。

使用的有用函数（惊喜，惊喜，它们都出现在OpenCV 文档的结构分析和形状描述符页面上）：

示例代码（我拥有 Matlab 的所有属性，regionprops除了WeightedCentroid和EulerNumber- 您可以EulerNumber通过使用cv2.RETR_TREEinfindContours并查看生成的层次结构来解决问题，我相信WeightedCentroid也不会那么难。

# grab contours
cs,_ = cv2.findContours( BW.astype('uint8'), mode=cv2.RETR_LIST,
                             method=cv2.CHAIN_APPROX_SIMPLE )
# set up the 'FilledImage' bit of regionprops.
filledI = np.zeros(BW.shape[0:2]).astype('uint8')
# set up the 'ConvexImage' bit of regionprops.
convexI = np.zeros(BW.shape[0:2]).astype('uint8')

# for each contour c in cs:
# will demonstrate with cs[0] but you could use a loop.
i=0
c = cs[i]

# calculate some things useful later:
m = cv2.moments(c)

# ** regionprops ** 
Area          = m['m00']
Perimeter     = cv2.arcLength(c,True)
# bounding box: x,y,width,height
BoundingBox   = cv2.boundingRect(c)
# centroid    = m10/m00, m01/m00 (x,y)
Centroid      = ( m['m10']/m['m00'],m['m01']/m['m00'] )

# EquivDiameter: diameter of circle with same area as region
EquivDiameter = np.sqrt(4*Area/np.pi)
# Extent: ratio of area of region to area of bounding box
Extent        = Area/(BoundingBox[2]*BoundingBox[3])

# FilledImage: draw the region on in white
cv2.drawContours( filledI, cs, i, color=255, thickness=-1 )
# calculate indices of that region..
regionMask    = (filledI==255)
# FilledArea: number of pixels filled in FilledImage
FilledArea    = np.sum(regionMask)
# PixelIdxList : indices of region. 
# (np.array of xvals, np.array of yvals)
PixelIdxList  = regionMask.nonzero()

# CONVEX HULL stuff
# convex hull vertices
ConvexHull    = cv2.convexHull(c)
ConvexArea    = cv2.contourArea(ConvexHull)
# Solidity := Area/ConvexArea
Solidity      = Area/ConvexArea
# convexImage -- draw on convexI
cv2.drawContours( convexI, [ConvexHull], -1,
                  color=255, thickness=-1 )

# ELLIPSE - determine best-fitting ellipse.
centre,axes,angle = cv2.fitEllipse(c)
MAJ = np.argmax(axes) # this is MAJor axis, 1 or 0
MIN = 1-MAJ # 0 or 1, minor axis
# Note: axes length is 2*radius in that dimension
MajorAxisLength = axes[MAJ]
MinorAxisLength = axes[MIN]
Eccentricity    = np.sqrt(1-(axes[MIN]/axes[MAJ])**2)
Orientation     = angle
EllipseCentre   = centre # x,y

# ** if an image is supplied with the BW:
# Max/Min Intensity (only meaningful for a one-channel img..)
MaxIntensity  = np.max(img[regionMask])
MinIntensity  = np.min(img[regionMask])
# Mean Intensity
MeanIntensity = np.mean(img[regionMask],axis=0)
# pixel values
PixelValues   = img[regionMask]
于 2012-01-30T05:14:26.007 回答
2

在反转二进制图像以将黑色区域变为白色区域后，应用 cv.FindContours 函数。它将为您提供所需区域的边界。

稍后您可以使用 cv.BoundingRect 来获取区域周围的最小边界矩形。一旦你得到矩形顶点，你就可以找到它的中心等等。

或者要找到区域的质心，在找到轮廓后使用 cv.Moment 函数。然后在 x 和 y 方向使用 cv.GetSpatialMoments。它在 opencv 手册中有解释。

要查找面积，请使用 cv.ContourArea 函数。

于 2012-01-30T03:04:22.027 回答
0

使用带标志的阈值将其转换为二进制图像CV_THRESH_BINARY_INV，一步即可获得阈值+反转。

于 2013-04-03T05:36:45.873 回答
0

如果您可以考虑使用另一个免费库，您可以使用SciPy. 它有一种非常方便的计算面积的方法：

from scipy import ndimage

def count_labels(self, mask_image):
    """This function returns the count of labels in a mask image."""
    label_im, nb_labels = ndimage.label(mask_image)
    return nb_labels

如有必要，您可以使用：

import cv2 as opencv

image = opencv.inRange(image, lower_threshold upper_threshold)

before 得到一个只包含黑色和白色的蒙版图像，其中白色是给定范围内的对象。

于 2016-01-10T02:36:41.570 回答
0

我知道这是一个老问题，但为了完整起见，我想指出这 cv2.moments()并不总是适用于小轮廓。在这种情况下，您可以使用cv2.minEnclosingCircle()which 将始终返回中心坐标（和半径），即使您只有一个点。不过，我认为有点更需要资源……

于 2021-03-24T11:02:00.033 回答