目標物體的邊緣對圖像識別和計算機分析十分有用。邊緣可以勾畫出目標物體，使觀察者一目了然；邊緣蘊含了豐富的內在信息（如方向、形狀等），是圖像識別中抽取圖像特征的重要屬性。輪廓提取是邊界分割中非常重要的一種處理，同時也是圖像處理的經典難題，輪廓提取和輪廓跟蹤的目的都是獲得圖像的外部輪廓特征。
二值圖像的輪廓提取的原理非常簡單，就是掏空內部點：如果原圖中有一點為黑，且它的8個相鄰點皆為黑色，則將該點刪除。對于非二值圖像，需要先進行二值化處理。輪廓提取的方法有很多，在這里我們介紹一種最基本、最簡單容易實現的算法。算法原理如下：
img_name = "./20210808/sample3.png" img = cv2.imread(img_name)
結果如下：
gray_img = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
結果如下：
def get_binary_img(img):
# gray img to bin image
bin_img = np.zeros(shape=(img.shape), dtype=np.uint8)
h = img.shape[0]
w = img.shape[1]
for i in range(h):
for j in range(w):
bin_img[i][j] = 255 if img[i][j] > 127 else 0
return bin_img
# 調用
bin_img = get_binary_img(gray_img)
結果如下：
參考上述原理，進行實現，代碼如下：
def get_contour(bin_img):
# get contour
contour_img = np.zeros(shape=(bin_img.shape),dtype=np.uint8)
contour_img += 255
h = bin_img.shape[0]
w = bin_img.shape[1]
for i in range(1,h-1):
for j in range(1,w-1):
if(bin_img[i][j]==0):
contour_img[i][j] = 0
sum = 0
sum += bin_img[i - 1][j + 1]
sum += bin_img[i][j + 1]
sum += bin_img[i + 1][j + 1]
sum += bin_img[i - 1][j]
sum += bin_img[i + 1][j]
sum += bin_img[i - 1][j - 1]
sum += bin_img[i][j - 1]
sum += bin_img[i + 1][j - 1]
if sum == 0:
contour_img[i][j] = 255
return contour_img
# 調用
contour_img = get_contour(bin_img)
結果如下：
通過上述簡單步驟，我們實現了物體輪廓提取，相應的處理效果如下：
上圖中 左側為原圖，右側為我們提取的物體輪廓圖。
到此這篇關于Python圖像處理之目標物體輪廓提取的文章就介紹到這了,更多相關Python目標物體輪廓提取內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持腳本之家！
