寻找轮廓的边缘强度/大小以排除模糊物体

Question

寻找轮廓的边缘强度/大小以排除模糊物体

pythonopencvimage-processingedge-detectionblurry

3

我想使用Python为灰度图像中的每个对象找到边缘强度值。我通过阈值检测来检测对象以创建二进制图像，然后使用OpenCV findContours找到边缘。我在每个图像中检测到的某些对象模糊不清，我想根据轮廓的边缘梯度的大小来排除它们(请参见下面的图像，其中显示了一个聚焦的对象和一个模糊的对象的示例)。如何处理每个轮廓的边缘强度，以给出每个对象的边缘强度值，以便我可以根据某个阈值排除模糊不清的对象？

contours, hierarchy = cv2.findContours(binary_img, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
edges = cv2.drawContours(original_image, contours, -1, (255, 255, 255), 1)

我使用上述代码在经过阈值处理生成的二进制图像上绘制边缘，并将检测到的对象发送到处理过程中，但我希望排除模糊的对象，因为它们不需要进一步分析。下面的图片展示了绘制出边缘的图像，我想找到描述每个对象从每个边缘像素到平均边缘梯度的一些值，并且只进一步处理那些边缘幅度高于某个阈值的对象，即处于聚焦状态的对象。

原始图像：

带有边缘的图像：

- James

你能添加一些中间输出（轮廓、边缘图像）和代码示例吗？ - venkata krishnan

在黑色背景上绘制白色轮廓，并将其用作掩模以获取其下方图像的值。然后对每个掩模轮廓的像素值进行平均。 - fmw42

3个回答

1

如果我理解你的问题正确，你可以尝试使用一些导数核来得到一些阈值。例如，[-1 0 1] 核可能有效。此外，您可以检查 Canny 边缘检测算法，也许它会有帮助。

- Daniel Nudelman

0

一个简单的方法是计算梯度幅值图像，并在检测到的轮廓线上或整个斑点内部评估梯度。可能更好的方法是在轮廓线膨胀后得到的环形区域内进行评估。

- user1196549

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- nathancy · Accepted Answer

这是一个可能的方法：

将图像转换为灰度
自适应阈值以获取二进制图像
膨胀以增强轮廓
查找轮廓并提取ROI
进行拉普拉斯变化以检测模糊

我们首先将其转换为灰度并进行自适应阈值处理。

注意：保留html标签。

import cv2
import numpy as np

image = cv2.imread('1.jpg')

result = image.copy()
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
thresh = cv2.threshold(gray, 0, 255,cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)[1]

最初的回答：

接下来，我们进行膨胀以增强轮廓。

kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5,5))
dilate = cv2.dilate(thresh, kernel, iterations=3)

现在我们要找到轮廓并提取每个ROI。我们使用Laplacian的变化来对这个ROI轮廓进行模糊检测。最初的回答为：

现在我们要找到轮廓并提取每个ROI。我们使用Laplacian的变化来对这个ROI轮廓进行模糊检测。

cv2.Laplacian(image, cv2.CV_64F).var()

基本上，我们将图像的单个通道与以下3x3卷积核卷积，并取响应的标准差的平方。如果方差低于定义的阈值，则ROI模糊，否则ROI不模糊。请查看此博客文章以获取更多详细信息。"最初的回答"

[0  1  0]
[1 -4  1]
[0  1  0]

这是结果

ROI编号：1，价值：27.655757845590053

ROI编号：2，价值：7.385658155007905

（注：ROI即投资回报率）

ROI_num = 0
for c in cnts:
    x,y,w,h = cv2.boundingRect(c)
    ROI = image[y:y+h, x:x+w]
    value = cv2.Laplacian(ROI, cv2.CV_64F).var()  
    cv2.rectangle(result, (x, y), (x + w, y + h), (36,255,12), 2)
    cv2.putText(result, "{0:.2f}".format(value), (x,y - 5), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (36,255,12), 2)
    cv2.imshow("ROI_{}".format(ROI_num), ROI)
    ROI_num += 1
    
    print('ROI_Number: {}, Value: {}'.format(ROI_num, value))

以下是另一张图片的结果：

ROI_Number: 1, Value: 23.96665214233842

ROI_Number: 2, Value: 67.59560601952461

完整代码

import cv2
import numpy as np

image = cv2.imread('1.jpg')

result = image.copy()
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
thresh = cv2.threshold(gray, 0, 255,cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)[1]
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5,5))
dilate = cv2.dilate(thresh, kernel, iterations=3)

cnts = cv2.findContours(dilate, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]

ROI_num = 0
for c in cnts:
    x,y,w,h = cv2.boundingRect(c)
    ROI = image[y:y+h, x:x+w]
    value = cv2.Laplacian(ROI, cv2.CV_64F).var()  
    cv2.rectangle(result, (x, y), (x + w, y + h), (36,255,12), 2)
    cv2.putText(result, "{0:.2f}".format(value), (x,y - 5), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (36,255,12), 2)
    cv2.imshow("ROI_{}".format(ROI_num), ROI)
    ROI_num += 1
    
    print('ROI_Number: {}, Value: {}'.format(ROI_num, value))

cv2.imshow('thresh', thresh)
cv2.imshow('dilate', dilate)
cv2.imshow('result', result)
cv2.waitKey(0)