目標(biāo)物體的邊緣對(duì)圖像識(shí)別和計(jì)算機(jī)分析十分有用。邊緣可以勾畫出目標(biāo)物體，使觀察者一目了然；邊緣蘊(yùn)含了豐富的內(nèi)在信息（如方向、形狀等），是圖像識(shí)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(shí)也是圖像處理的經(jīng)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(jiǎn)單，就是掏空內(nèi)部點(diǎn)：如果原圖中有一點(diǎn)為黑，且它的8個(gè)相鄰點(diǎn)皆為黑色，則將該點(diǎn)刪除。對(duì)于非二值圖像，需要先進(jìn)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(jiǎn)單容易實(shí)現(xiàn)的算法。算法原理如下：
img_name = "./20210808/sample3.png" img = cv2.imread(img_name)
結(jié)果如下：
gray_img = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
結(jié)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(diào)用
bin_img = get_binary_img(gray_img)
結(jié)果如下：
參考上述原理，進(jìn)行實(shí)現(xiàn)，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(diào)用
contour_img = get_contour(bin_img)
結(jié)果如下：
通過上述簡(jiǎn)單步驟，我們實(shí)現(xiàn)了物體輪廓提取，相應(yīng)的處理效果如下：
上圖中 左側(cè)為原圖，右側(cè)為我們提取的物體輪廓圖。
到此這篇關(guān)于Python圖像處理之目標(biāo)物體輪廓提取的文章就介紹到這了,更多相關(guān)Python目標(biāo)物體輪廓提取內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
標(biāo)簽：辛集 雅安 許昌 濰坊 七臺(tái)河 渭南 西安 贛州
巨人網(wǎng)絡(luò)通訊聲明：本文標(biāo)題《Python圖像處理之目標(biāo)物體輪廓提取的實(shí)現(xiàn)方法》，本文關(guān)鍵詞 Python,圖像處理,之,目標(biāo),；如發(fā)現(xiàn)本文內(nèi)容存在版權(quán)問題，煩請(qǐng)?zhí)峁┫嚓P(guān)信息告之我們，我們將及時(shí)溝通與處理。本站內(nèi)容系統(tǒng)采集于網(wǎng)絡(luò)，涉及言論、版權(quán)與本站無關(guān)。
