如何使用Python OpenCV从图像中提取多个对象？

Question

如何使用Python OpenCV从图像中提取多个对象？

pythonimageopencvimage-processingcomputer-vision

7

我正在尝试使用OpenCV通过颜色从图像中提取对象。我尝试了反向阈值处理和灰度化，结合cv2.findContours()，但无法递归使用它。此外，我无法弄清楚如何从原始图像中“切出”匹配部分并将其保存到单个文件中。

编辑

~
import cv2
import numpy as np

# load the images
empty = cv2.imread("empty.jpg")
full = cv2.imread("test.jpg")

# save color copy for visualization
full_c = full.copy()

# convert to grayscale
empty_g = cv2.cvtColor(empty, cv2.COLOR_BGR2GRAY)
full_g = cv2.cvtColor(full, cv2.COLOR_BGR2GRAY)

empty_g = cv2.GaussianBlur(empty_g, (51, 51), 0)
full_g = cv2.GaussianBlur(full_g, (51, 51), 0)
diff = full_g - empty_g

#  thresholding

diff_th = 
cv2.adaptiveThreshold(full_g,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C, 
cv2.THRESH_BINARY,11,2)

# combine the difference image and the inverse threshold
zone = cv2.bitwise_and(diff, diff_th, None)

# threshold to get the mask instead of gray pixels
_, zone = cv2.threshold(bag, 100, 255, 0)

# dilate to account for the blurring in the beginning
kernel = np.ones((15, 15), np.uint8)
bag = cv2.dilate(bag, kernel, iterations=1)

# find contours, sort and draw the biggest one
contours, _ = cv2.findContours(bag, cv2.RETR_TREE,
                              cv2.CHAIN_APPROX_SIMPLE)
contours = sorted(contours, key=cv2.contourArea, reverse=True)[:3]
i = 0
while i < len(contours):
    x, y, width, height = cv2.boundingRect(contours[i])
    roi = full_c[y:y+height, x:x+width]
    cv2.imwrite("piece"+str(i)+".png", roi)
    i += 1

其中，empty是一张尺寸为1500*1000的白色图像，就像上面那张一样；test也是上面那张图像。

这就是我想到的方法，唯一的缺点是现在出现了第三张图片，而不仅仅是预期的两张，显示了一个阴影区域...

- user3491125

你能详细说明一下你想要实现什么吗？ - coffeewin

我正在尝试将每个“蓝色”物品保存在单独的文件中。 - user3491125

1个回答

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

以下是简单的处理步骤：

获取二值图像。 加载图像，进行灰度变换、高斯模糊、Otsu二值化，然后进行膨胀操作，得到黑白二值图像。
提取ROI。 查找轮廓，获取边界框，使用Numpy切片提取每个ROI并保存。

二值化图像（Otsu阈值+膨胀）

检测到的ROIs以绿色高亮显示

要提取每个ROI，可以使用cv2.boundingRect()查找边界框坐标，裁剪所需区域，然后保存图像。

x,y,w,h = cv2.boundingRect(c)
ROI = original[y:y+h, x:x+w]

第一个物体

第二个物体

import cv2

# Load image, grayscale, Gaussian blur, Otsu's threshold, dilate
image = cv2.imread('1.jpg')
original = image.copy()
gray = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)
blur = cv2.GaussianBlur(gray, (5,5), 0)
thresh = cv2.threshold(blur, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)[1]
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (7,7))
dilate = cv2.dilate(thresh, kernel, iterations=1)

# Find contours, obtain bounding box coordinates, and extract ROI
cnts = cv2.findContours(dilate, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]
image_number = 0
for c in cnts:
    x,y,w,h = cv2.boundingRect(c)
    cv2.rectangle(image, (x, y), (x + w, y + h), (36,255,12), 2)
    ROI = original[y:y+h, x:x+w]
    cv2.imwrite("ROI_{}.png".format(image_number), ROI)
    image_number += 1

cv2.imshow('image', image)
cv2.imshow('thresh', thresh)
cv2.imshow('dilate', dilate)
cv2.waitKey()