通常提取物体的轮廓时，图像都存在噪声，提取效果并不理想。如提取下图的轮廓时，
提取代码：`import cv2
img = cv2.imread(“mouse.png”)cv2.imshow(“origin”,img)gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)ret,binary = cv2.threshold(gray,128,255,cv2.THRESH_BINARY)cv2.imshow(“binary”,binary)
contours, hierarchy = cv2.findContours(binary,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)cv2.drawContours(img,contours,-1,(0,0,255),3)cv2.imshow(“result”, img)cv2.waitKey(0)` 提取效果：
可以看出存在非常严重的噪声干扰。因此，提取轮廓之前需要过滤噪声的干扰。
首先，进行对图像进行均值滤波（低通滤波），去除噪声blured = cv2.blur(img,(5,5))
cv2.imshow("blur",blured)
使用floodfill来去掉目标周围的背景，泛洪填充类始于ps的魔棒工具，这里用来清除背景。`mask = np.zeros((h+2, w+2), np.uint8) #掩码长和宽都比输入图像多两个像素点，泛洪填充不会超出掩码的非零边缘
cv2.floodFill(blured, mask, (10,10), (255,255,255), (2,2,2),(3,3,3),8)cv2.imshow(“floodfill”, blured)`
floodFill函数解析
img：为待使用泛洪算法的图像mask：为掩码层，使用掩码可以规定是在哪个区域使用该算法，如果是对于完整图像都要使用，则掩码层大小为原图行数+2，列数+2.是一个二维的0矩阵，边缘一圈会在使用算法是置为1。而只有对于掩码层上对应为0的位置才能泛洪，所以掩码层初始化为0矩。【dtype:np.uint8】seed：为泛洪算法的种子点，也是根据该点的像素判断决定和其相近颜色的像素点，是否被泛洪处理。newvalue：是对于泛洪区域新赋的值（B,G,R）(loDiff1,loDiff2,loDiff3)：是相对于seed种子点像素可以往下的像素值，即seed(B0,G0,R0)，泛洪区域下界为（B0-loDiff1,G0-loDiff2,R0-loDiff3）(upDiff1,upDiff2,upDiff3)：是相对于seed种子点像素可以往上的像素值，即seed(B0,G0,R0)，泛洪区域上界为（B0+upDiff1,G0+upDiff2,R0+upDiff3）flag：为泛洪算法的处理模式： 低八位 控制算法的连通性，是以seed点为中心，接着判断周围的几个像素点，再将泛洪区域像素点周围的几个像素点进行考虑。 一般为4，8；默认为4 中间八位 与掩码层赋值密切相关，一般使用（255<<8）使中间8位全位1，则值为255，也就是掩码层对应原图的泛洪区域的部分被由原来的初值0赋值成255，如果中间8位为0，则赋值为1. 高八位 由opencv宏参数指定cv2.FLOODFILL_FIXED_RANGE：改变图像，填充newvaluecv2.FLOODFILL_MASK_ONLY：不改变原图像，也就是newvalue参数失去作用，而是改变对应区域的掩码，设为中间八位的值然后转换成灰度图gray = cv2.cvtColor(blured,cv2.COLOR_BGR2GRAY)
cv2.imshow("gray", gray)此时目标图像周围有写不光滑，还有一些噪声，因此进行开闭运算，得到比较光滑的目标`#定义结构元素kernel = cv2.getStructuringElement(cv2.MORPH_RECT,(50, 50))
opened = cv2.morphologyEx(gray, cv2.MORPH_OPEN, kernel)closed = cv2.morphologyEx(opened, cv2.MORPH_CLOSE, kernel)cv2.imshow(“closed”, closed)`接着转换成二值图以便于获取图像的轮廓
最后进行轮廓提取，抓取到目标`#找到轮廓_,contours, hierarchy = cv2.findContours(binary,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
cv2.drawContours(img,contours,-1,(0,0,255),3)
cv2.imshow(“result”, img)全部代码：#coding=utf-8import cv2import numpy as np
img = cv2.imread(“temp.jpg”) #载入图像h, w = img.shape[:2] #获取图像的高和宽cv2.imshow(“Origin”, img) #显示原始图像
blured = cv2.blur(img,(5,5)) #进行滤波去掉噪声cv2.imshow(“Blur”, blured) #显示低通滤波后的图像
mask = np.zeros((h+2, w+2), np.uint8) #掩码长和宽都比输入图像多两个像素点，满水填充不会超出掩码的非零边缘
cv2.floodFill(blured, mask, (w-1,h-1), (255,255,255), (2,2,2),(3,3,3),8)cv2.imshow(“floodfill”, blured)
gray = cv2.cvtColor(blured,cv2.COLOR_BGR2GRAY)cv2.imshow(“gray”, gray)
kernel = cv2.getStructuringElement(cv2.MORPH_RECT,(50, 50))
opened = cv2.morphologyEx(gray, cv2.MORPH_OPEN, kernel)closed = cv2.morphologyEx(opened, cv2.MORPH_CLOSE, kernel)cv2.imshow(“closed”, closed)
ret, binary = cv2.threshold(closed,250,255,cv2.THRESH_BINARY)cv2.imshow(“binary”, binary)
_,contours, hierarchy = cv2.findContours(binary,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
cv2.drawContours(img,contours,-1,(0,0,255),3)
cv2.imshow(“result”, img)
cv2.waitKey(0)cv2.destroyAllWindows()`
相关推荐
