web-dev-qa-db-ja.com

Python OpenCV-バイナリ画像で黒い領域を見つける

バイナリイメージの黒い領域を見つけるOpencvのpythonラッパー）にはメソッド/関数がありますか？（Matlabのregionpropsのように）これまでソースをロードしました画像、しきい値を介してバイナリ画像に変換し、次にそれを反転して黒い領域（現在は白）を強調表示します。

Cvblobslobやcvblobなどのサードパーティライブラリを使用できません

pythonopencvcolorsdetectionthreshold
14
Marco L.

基本的に、 findContours 関数を、OpenCVが特にこの目的のために提供する他の多くの関数と組み合わせて使用​​します。

使用される便利な関数（サプライズ、サプライズ、それらallはOpenCVドキュメントの 構造解析と形状記述子 ページに表示されます）：

サンプルコード（私はMatlabのすべてのプロパティを持っています regionpropsWeightedCentroidとEulerNumberを除く-EulerNumberを使用して計算できますcv2.RETR_TREEfindContoursにあり、結果の階層を見ると、WeightedCentroidもそれほど難しくないと確信しています。

# 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]
24
mathematical.coffee

バイナリイメージを反転して黒から白の領域に変換した後、cv.FindContours関数を適用します。それはあなたが必要とする地域の境界をあなたに与えるでしょう。

後でcv.BoundingRectを使用して、領域の周囲の最小境界矩形を取得できます。長方形の頂点を取得すると、その中心などを見つけることができます。

または、領域の重心を見つけるには、輪郭を見つけた後にcv.Moment関数を使用します。次に、cv.GetSpatialMomentsをxおよびy方向に使用します。 opencvのマニュアルで説明されています。

エリアを見つけるには、cv.ContourArea関数を使用します。

2
Abid Rahman K

CV_THRESH_BINARY_INVフラグ付きのしきい値を使用してバイナリイメージに変換すると、1つのステップでしきい値+反転が得られます。

0
Oliv

あなたは別の無料のライブラリを使用して検討することができた場合は、SciPyを使用することができます。エリアを数える非常に便利な方法があります。

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

必要に応じて、以下を使用できます。

import cv2 as opencv

image = opencv.inRange(image, lower_threshold upper_threshold)

前に、黒と白のみを含むマスク画像を取得します。ここで、白は指定された範囲内のオブジェクトです。

0
Zelphir Kaltstahl