我在Python 2.7.9上使用OpenCV 3.0.0 . 我正在尝试跟踪具有静止背景的视频中的对象,并估计其某些属性 . 由于图像中可能存在多个移动对象,因此我希望能够区分它们并在视频的剩余帧中单独跟踪它们 .
我认为可以做到的一种方法是将图像转换为二进制,获取斑点的轮廓(在这种情况下为跟踪对象)并获取对象边界的坐标 . 然后我可以转到灰度图像中的这些边界坐标,获得由该边界包围的像素强度,并跟踪其他帧中的这种颜色梯度/像素强度 . 这样,我可以保持两个对象彼此分开,因此它们不会被视为下一帧中的新对象 .
我有轮廓边界坐标,但我不知道如何检索该边界内的像素强度 . 有人可以帮帮我吗?
谢谢!
2 回答
继续我们的评论,你可以做的是创建一个
numpy
数组的列表,其中每个元素是描述每个对象轮廓内部的强度 . 具体来说,对于每个轮廓,创建一个填充轮廓内部的二进制遮罩,找到填充对象的(x,y)
坐标,然后索引到图像中并获取强度 .我不认为你有一个名为
img
的灰度图像 . 您可能需要将图像转换为灰度,因为cv2.findContours
适用于灰度图像 . 有了这个,通常调用cv2.findContours
:contours
现在是3Dnumpy
数组的列表,其中每个数组的大小为N x 1 x 2
,其中N
是每个对象的轮廓点总数 .因此,您可以像这样创建我们的列表:
对于每个轮廓,我们创建一个空白图像,然后在此空白图像中绘制 filled-in 轮廓 . 您可以通过将
thickness
参数指定为-1来填充轮廓占用的区域 . 我将轮廓的内部设置为255.之后,我们使用numpy.where查找数组中与特定条件匹配的所有行和列位置 . 在我们的例子中,我们想要找到等于255的值 . 之后,我们使用这些点来索引我们的图像以获取轮廓内部的像素强度 .lst_intensities
包含1Dnumpy
数组的列表,其中每个元素为您提供属于每个对象轮廓内部的强度 . 要访问每个数组,只需执行lst_intensities[i]
,其中i
是您要访问的轮廓 .来自@rayryeng的回答非常好!
我实现的一件小事是:
np.where()
返回一个元组,它包含一个行索引数组和一个列索引数组 . 因此,pts[0]
包括row indices
的列表,其对应于图像的高度,pts[1]
包括column indices
的列表,其对应于图像的宽度 .img.shape
返回(rows, cols, channels)
. 所以我认为它应该是img[pts[0], pts[1]]
来切割img背后的ndarray
.