使用numpy/scipy进行形状识别（可能涉及分水岭算法）

Question

使用numpy/scipy进行形状识别（可能涉及分水岭算法）

pythonnumpyscipywatershed

15

我的目标是追踪包含许多分离形状的图纸，并将这些形状拆分为单独的图像。图案为黑白。尽管我对numpy、opencv&co不太熟悉，但这是我的当前想法:

扫描黑色像素
发现黑色像素 -> 分水岭
找到分水岭边界(作为多边形路径)
继续搜索，但忽略已经找到边界内的点

我不是很擅长这种事情，有更好的方法吗？

首先我试图找到分水岭结果的矩形边界框(这更或多少是一组例子的拼贴):

from numpy import *
import numpy as np
from scipy import ndimage

np.set_printoptions(threshold=np.nan)

a = np.zeros((512, 512)).astype(np.uint8) #unsigned integer type needed by watershed
y, x = np.ogrid[0:512, 0:512]
m1 = ((y-200)**2 + (x-100)**2 < 30**2)
m2 = ((y-350)**2 + (x-400)**2 < 20**2)
m3 = ((y-260)**2 + (x-200)**2 < 20**2)
a[m1+m2+m3]=1

markers = np.zeros_like(a).astype(int16)
markers[0, 0] = 1
markers[200, 100] = 2
markers[350, 400] = 3
markers[260, 200] = 4

res = ndimage.watershed_ift(a.astype(uint8), markers)
unique(res) 

B = argwhere(res.astype(uint8))
(ystart, xstart), (ystop, xstop) = B.min(0), B.max(0) + 1 
tr = a[ystart:ystop, xstart:xstop]

print tr

一些神奇的事情发生了，当我使用原始数组（a）时，argwhere似乎可以工作，但在分界线（res）之后它只是再次输出完整的数组。

接下来的步骤可能是找到形状周围的多边形路径，但现在先用边界框就好了！

请帮忙！

- bpat

2个回答

6

使用scipy中的ndimage库。函数label会对每个在阈值内的像素块进行唯一标记，从而识别出唯一的聚类（形状）。从您定义的a开始：

from scipy import ndimage

image_threshold = .5
label_array, n_features =  ndimage.label(a>image_threshold)

# Plot the resulting shapes
import pylab as plt
plt.subplot(121)
plt.imshow(a)
plt.subplot(122)
plt.imshow(label_array)
plt.show()

enter image description here

- Hooked

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

- Joe Kington · Accepted Answer

@Hooked已经回答了你问题的大部分，但当他回答时我正在写这篇文章，所以我会发布它，希望它仍然有用...

你试图跳过太多的步骤。你不需要watershed_ift。

你可以使用scipy.ndimage.label来区分布尔数组中的不同对象，并使用scipy.ndimage.find_objects找到每个对象的边界框。

让我们把事情分解一下。

import numpy as np
from scipy import ndimage
import matplotlib.pyplot as plt

def draw_circle(grid, x0, y0, radius):
    ny, nx = grid.shape
    y, x = np.ogrid[:ny, :nx]
    dist = np.hypot(x - x0, y - y0)
    grid[dist < radius] = True
    return grid

# Generate 3 circles...
a = np.zeros((512, 512), dtype=np.bool)
draw_circle(a, 100, 200, 30)
draw_circle(a, 400, 350, 20)
draw_circle(a, 200, 260, 20)

# Label the objects in the array. 
labels, numobjects = ndimage.label(a)

# Now find their bounding boxes (This will be a tuple of slice objects)
# You can use each one to directly index your data. 
# E.g. a[slices[0]] gives you the original data within the bounding box of the
# first object.
slices = ndimage.find_objects(labels)

#-- Plotting... -------------------------------------
fig, ax = plt.subplots()
ax.imshow(a)
ax.set_title('Original Data')

fig, ax = plt.subplots()
ax.imshow(labels)
ax.set_title('Labeled objects')

fig, axes = plt.subplots(ncols=numobjects)
for ax, sli in zip(axes.flat, slices):
    ax.imshow(labels[sli], vmin=0, vmax=numobjects)
    tpl = 'BBox:\nymin:{0.start}, ymax:{0.stop}\nxmin:{1.start}, xmax:{1.stop}'
    ax.set_title(tpl.format(*sli))
fig.suptitle('Individual Objects')

plt.show()

enter image description here

希望这能更清楚地说明如何找到对象的边界框。