首页 文章

使用Python中的OpenCV访问轮廓边界内的像素值

提问于
浏览 次
9

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！

python image opencv image-processing opencv-contour

2 回答

  • 15

    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 ：

    import cv2
import numpy as np

#... Put your other code here....
#....

# Call if necessary
#img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# Call cv2.findContours
contours,_ = cv2.findContours(img, cv2.RETR_LIST, cv2.cv.CV_CHAIN_APPROX_NONE)

    contours 现在是3D numpy 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：

    # Initialize empty list
lst_intensities = []

# For each list of contour points...
for i in range(len(contours)):
    # Create a mask image that contains the contour filled in
    cimg = np.zeros_like(img)
    cv2.drawContours(cimg, contours, i, color=255, thickness=-1)

    # Access the image pixels and create a 1D numpy array then add to list
    pts = np.where(cimg == 255)
    lst_intensities.append(img[pts[0], pts[1]])

    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1D numpy 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 .

    回复于
  • 1

    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 .

    回复于

相关问题