Подтвердить что ты не робот

Работа с контурами и ограничивающим прямоугольником в OpenCV 2.4 - python 2.7

Я работаю с openCv и python, и я имею дело с структурным анализом и дескрипторами формы. Я нашел этот блог: http://opencvpython.blogspot.it/2012/06/contours-2-brotherhood.html это очень полезно, и я попытался с черно-белым изображением рисовать ограничивающий прямоугольник, и он работает. Но теперь из изображения я извлекаю, например, желтый цвет, и на этом я хотел бы нарисовать ограничивающий прямоугольник. Проблема в том, что черно-белое изображение не однородно, у него есть некоторый шум, и, как будто код не распознает всю форму.

origianl image

black and white image

final image

И это код:

import numpy as np
import cv2

im = cv2.imread('shot.bmp')
hsv_img = cv2.cvtColor(im, cv2.COLOR_BGR2HSV)
COLOR_MIN = np.array([20, 80, 80],np.uint8)
COLOR_MAX = np.array([40, 255, 255],np.uint8)
frame_threshed = cv2.inRange(hsv_img, COLOR_MIN, COLOR_MAX)
imgray = frame_threshed
ret,thresh = cv2.threshold(frame_threshed,127,255,0)
contours, hierarchy = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
cnt=contours[0]
x,y,w,h = cv2.boundingRect(cnt)
cv2.rectangle(im,(x,y),(x+w,y+h),(0,255,0),2)
cv2.imshow("Show",im)
cv2.waitKey()
cv2.destroyAllWindows()
4b9b3361

ОТВЕТЫ

Ответ 1

Поскольку ваше исходное изображение довольно шумно, просто исправить это, чтобы удалить часть шума с помощью cv2.medianBlur() Это позволит удалить небольшие области шума в исходном изображении и оставить только один контур. Первые несколько строк вашего кода выглядят следующим образом:

im = cv2.imread('shot.bmp')
im = cv2.medianBlur(im,5)    # 5 is a fairly small kernel size
hsv_img = cv2.cvtColor(im, cv2.COLOR_BGR2HSV)

Однако этот метод не является наиболее надежным, потому что вы должны вручную указать размер ядра, а строка cnt=contours[0] в вашем коде предполагает, что интересующий контур является первым в списке контуров, что справедливо только в том случае, если есть только один контур. Более надежный способ состоит в том, чтобы предположить, что вас интересует самый большой контур, который позволит вам компенсировать даже умеренный шум.

Для этого добавьте строки:

# Find the index of the largest contour
areas = [cv2.contourArea(c) for c in contours]
max_index = np.argmax(areas)
cnt=contours[max_index]

после строки:

contours, hierarchy = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)

Результат в этом коде:

import numpy as np
import cv2

im = cv2.imread('shot.bmp')
hsv_img = cv2.cvtColor(im, cv2.COLOR_BGR2HSV)
COLOR_MIN = np.array([20, 80, 80],np.uint8)
COLOR_MAX = np.array([40, 255, 255],np.uint8)
frame_threshed = cv2.inRange(hsv_img, COLOR_MIN, COLOR_MAX)
imgray = frame_threshed
ret,thresh = cv2.threshold(frame_threshed,127,255,0)
contours, hierarchy = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)

# Find the index of the largest contour
areas = [cv2.contourArea(c) for c in contours]
max_index = np.argmax(areas)
cnt=contours[max_index]

x,y,w,h = cv2.boundingRect(cnt)
cv2.rectangle(im,(x,y),(x+w,y+h),(0,255,0),2)
cv2.imshow("Show",im)
cv2.waitKey()
cv2.destroyAllWindows()

Оба эти метода дают результат с правильной ограничивающей рамкой:

Bounding Box Result

N.B.
Начиная с OpenCV 3.x метод findContours() возвращает 3 результата (как можно видеть здесь), поэтому дополнительное возвращаемое значение должно быть пойманным как:

_, contours, hierarchy = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPL‌​E)