使用Python OpenCV，你如何提取一个特定颜色边界框内的图像区域？

Question

使用Python OpenCV，你如何提取一个特定颜色边界框内的图像区域？

pythonimageopencvcomputer-vision

3

给定一张我手动绘制了彩色边界框的照片，我想要复制/裁剪图像内容，以保留边界框内的内容。

目标是检测颜色边界框，然后使用它告诉脚本在哪里复制/裁剪。

我已经尝试过轮廓，但似乎需要额外的步骤。

也许有一种方法：

- 检测被限制的区域 - 找到最小的区域（盒子线可能具有可变厚度，因此我需要内部边界区域 - 最终边界将是物理世界中的有色海报板裁剪盒） - 脚本为该区域创建一个掩模 - 获取图像

可能有更好的方法; 如何最好地处理这个问题？我应该使用哪些Python OpenCV方法？

基于我的当前实验代码（我正在探索通过轮廓大小获取区域，但我认为我需要更好的轮廓代码）：

import numpy as np
import cv2

image_dir = "/Users/admin/Documents/dir/dir2/"

im = cv2.imread(image_dir+'test_image_bounded.png')
imgray = cv2.cvtColor(im,cv2.COLOR_BGR2GRAY)
ret,thresh = cv2.threshold(imgray,176,190,43)
#ret,thresh = cv2.threshold(imgray,127,255,0)
contours, hierarchy =         cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)

areaArray = []
count = 1

for i, c in enumerate(contours):
    area = cv2.contourArea(c)
    areaArray.append(area)

#first sort the array by area
sorteddata = sorted(zip(areaArray, contours), key=lambda x: x[0], reverse=True)

#find the nth largest contour [n-1][1], in this case 2
largestcontour = sorteddata[0][2]

#draw it
x, y, w, h = cv2.boundingRect(largestcontour)
cv2.drawContours(im, largestcontour, -1, (255, 0, 0), 2)
cv2.rectangle(im, (x, y), (x+w, y+h), (0,255,0), 2)
cv2.imwrite(image_dir+'output.jpg', im)

手动边界图像

编辑 --------------------------------

通过颜色检测、形态学和获取第二大阈值，我已经成功获得了一些相当不错的结果。

以下是相关代码:

green_MIN = np.array([45, 25, 25],np.uint8)
green_MAX = np.array([55, 255, 255],np.uint8)

hsv_img = cv2.cvtColor(img,cv2.COLOR_BGR2HSV)

frame_threshed = cv2.inRange(hsv_img, green_MIN, green_MAX)

#image = cv2.imread('...') # Load your image in here
# Your code to threshold
#image = cv2.adaptiveThreshold(image, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV, 45, 0)    

# Perform morphology
se = np.ones((20,20), dtype='uint8')
image_close = cv2.morphologyEx(frame_threshed, cv2.MORPH_CLOSE, se)

HSV值是一件麻烦的事情；我想自动化这个部分。以下链接提供了获取值的帮助: https://achuwilson.wordpress.com/2012/02/14/hsv-pixel-values-in-opencv/

- jmhead

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

- Andrzej Pronobis · Answer 1

我的快速建议是：

1）根据颜色过滤，因为矩形是绿色的。绿色也可能存在于图像本身中，但这将减少误报。

2）检测形成矩形的线条。

现在可以用各种方式来完成这项任务。更一般的方法是使用霍夫变换。我不知道是否有直接搜索矩形的实现，但你也可以自己实现。HoughLinesP函数将找到线条，你可以选择那些形成矩形的线条。

然而，在你的应用程序中，你可能有非常严格的假设，这将使这个问题变得更容易。如果边界框永远不会旋转，你可以简单地迭代行和列，找到具有最多所需颜色像素的行和列。这可以扩展到查找连续的像素以找到线段，但甚至可能不是必要的。