Python OpenCV - 在二值图像中查找黑色区域

Question

在Python封装的OpenCV中是否有一种方法/函数可以在二进制图像中查找黑色区域？(类似于Matlab中的regionprops)

目前，我加载源图像，通过阈值将其转换为二进制图像，然后反转它以突出显示黑色区域(现在是白色)。

我不能使用cvblobslob或cvblob等第三方库。

- Marco L.

---

+1 对于关键词“regionprops”的使用，它为我节省了数小时的谷歌搜索。 - Tarrasch

Answer 1

基本上，您需要使用findContours函数，结合OpenCV为此目的提供的许多其他函数。

有用的函数包括（惊喜吧，它们全部都出现在OpenCV文档中的结构分析和形状描述页面）：

• findContours
• drawContours
• moments
• contourArea
• arcLength
• boundingRect
• convexHull
• fitEllipse

示例代码（我拥有Matlab的regionprops的所有属性，除了WeightedCentroid和EulerNumber - 您可以通过在findContours中使用cv2.RETR_TREE并查看结果层次结构来计算EulerNumber，而且我相信WeightedCentroid也不会很难。）

# 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]        

- mathematical.coffee

---

将此内容封装在一个函数中并返回某种结构（例如numpy recarray）是很有用的，其中包含了相关信息。同时，我还会绘制一个带标签的图像，其中区域i具有强度i+1（这是为了避免区域0与背景合并）。 - mathematical.coffee

Answer 2

将二进制图像反转以将黑色区域变为白色区域，然后应用cv.FindContours函数。它将给出您需要的区域的边界。

稍后，您可以使用cv.BoundingRect来获取围绕该区域的最小边界矩形。一旦获取了矩形顶点，就可以找到其中心等信息。

或者要查找区域的质心，请在找到轮廓后使用cv.Moment函数。然后在x和y方向上使用cv.GetSpatialMoments。这在opencv手册中有解释。

要查找面积，请使用cv.ContourArea函数。

- Abid Rahman K

Answer 3

如果您可以考虑使用另一个免费库，您可以使用 SciPy。它有一种非常方便的计算区域的方法：

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

如果需要，您可以使用：

import cv2 as opencv

image = opencv.inRange(image, lower_threshold upper_threshold)

在获取一个掩膜图像之前，该图像仅包含黑色和白色，其中白色是给定范围内的对象。

- Zelphir Kaltstahl

Answer 4

使用阈值和CV_THRESH_BINARY_INV标志将其转换为二进制图像，您可以一步得到阈值+反转。

- Oliv

Answer 5

我知道这是一个老问题，但为了完整起见，我想指出 cv2.moments() 并不总是适用于小轮廓。在这种情况下，您可以使用 cv2.minEnclosingCircle()，即使只有一个点，它也会始终返回中心坐标（和半径）。虽然需要稍微多一些资源，但我认为还是值得的...

- mluerig