Python - 将二进制掩码转换为多边形

Question

给定一个简单的二进制掩码（例如矩形的边界）。

如何使用多边形获取x-y坐标？

到目前为止，我尝试过以下方法：

coords = np.transpose(np.nonzero(mask))

然而，这种方法会生成一个填充的对象，而不是所期望的边界。

plt.plot(coords[:, 1], coords[:,0])

基本上，我需要一个白色像素的x-y坐标列表，使用这个列表重新绘制矩形（非填充）。

- Kamu

Answer 1

使用cv2.findContours既适用于复杂形状，也适用于多个对象。 Polygons列表包含coords列表，每个列表看起来像这样[x1，y1，x2，y2，x3，y3，...]。

contours, _ = cv2.findContours(mask, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)
polygons = []

    for object in contours:
        coords = []
        
        for point in object:
            coords.append(int(point[0][0]))
            coords.append(int(point[0][1]))

        polygons.append(coords)

- Andrej_Rbr

---

我喜欢这个解决方案，但是函数的输入是二进制掩码。如果我的图像有多个类别，并且我知道每个类别的调色板，那么我该怎么做呢？ - Satya Prakash Dash

我能想到两种方法。1. 你可以找到一种方法，基于平均像素值或它们的坐标来为每个多边形分配相应的类别（函数应该识别所有类别）。2. 你可以遍历类别并为每个类别生成二进制掩码，然后运行该函数。其中一种方法是使用numpy.where()函数。 - Andrej_Rbr

Answer 2

你可以使用 np.column_stack() 和 np.where()。思路是确定二进制图像中的白色像素，然后按照相应的 (x, y) 顺序排序。

coords = np.column_stack(np.where(image > 0))

---

另一种方法是使用OpenCV的cv2.boundingRect()查找边界矩形的坐标。这将给出宽度、高度和左上角的(x,y)坐标。以下是一个示例，查找坐标，然后在空白掩膜上绘制多边形:

import cv2
import numpy as np

image = cv2.imread('1.png', 0)
x,y,w,h = cv2.boundingRect(image)
mask = np.ones(image.shape, dtype=np.uint8) * 255
mask = cv2.merge([mask,mask,mask])
cv2.rectangle(mask, (x, y), (x + w, y + h), (36,255,12), 2)

cv2.imshow('mask', mask)
cv2.waitKey()

- nathancy

---

谢谢nathancy。我尝试了你的解决方案，但对于“coord”得到了相同的输出结果。你可以具体说明一下你所指的按（x，y）坐标排序是什么吗？ - Kamu

我是指获取多边形的（x，y）坐标。也许我没有正确理解你的问题，你能详细说明一下“不是所需边界”的含义吗？或者可以添加一个预期输出图像。 - nathancy

我编辑了原始帖子，但输出结果是错误的。期望的输出图像应该与原始输出相同（矩形的边界-未填充）。希望这可以帮助到您。 - Kamu

检查更新，您可以找到边界矩形坐标，然后使用它在另一张图片上绘制。 - nathancy

Answer 3

您可以将正方形视为一个对象，并使用skimage.measure.regionprops函数访问其属性。

我强烈建议查看文档，因为在许多情况下，这是一个非常有用的函数：

https://scikit-image.org/docs/dev/api/skimage.measure.html#skimage.measure.regionprops

此外，还有skimage.measure.regionprops_table，它可以提供一个字典，可转换为Pandas数据框。以下是我的解决方案：

from skimage.io import imread
from skimage.measure import regionprops_table
from pandas import DataFrame

import numpy as np
import matplotlib.pyplot as plt

rectangle = imread('rectangle_img.png')    
props_rect = DataFrame(regionprops_table(rectangle, properties=['coords']))

new_img = np.zeros((rectangle.shape[0], rectangle.shape[1]))

for point in props_rect['coords'][0]:

    new_img[point[0], point[1]] = 1


plt.imshow(new_img)

- Samuel Baptista

Answer 4

contours, _ = cv2.findContours(binary_mask, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)
polygons = [np.array(polygon).squeeze() for polygon in contours]

polygons 是一个包含形状为 N, 2 的 arrays 的 list，其中 N 对应于点的数量，2 对应于 x 和 y 坐标。

- thawro