使用Python中的OpenCV在轮廓边界内访问像素值

Question

使用Python中的OpenCV在轮廓边界内访问像素值

pythonimageopencvimage-processingcontour

20

我正在使用Python 2.7.9上的OpenCV 3.0.0。我试图在静态背景下的视频中跟踪一个物体并估计它的一些属性。由于图像中可能会有多个移动的物体，因此我希望能够区分它们并在视频的其余帧中单独跟踪它们。

我想到的一种方法是将图像转换为二进制，获取斑点（在这种情况下是跟踪对象）的轮廓，并获取对象边界的坐标。然后，我可以在灰度图像中转到这些边界坐标，获取该边界周围的像素强度，并在其他帧中跟踪这种颜色梯度/像素强度。通过这种方式，我可以将两个对象分开，使它们不被认为是下一帧中的新对象。

我已经有了轮廓边界的坐标，但我不知道如何检索该边界内的像素强度。请问有人能帮助我吗？

谢谢！

- Kaya311

cv2.findContours 肯定能为您完成工作，并返回每个轮廓的 (x,y) 坐标列表。然后，您可以使用这些坐标来索引图像并获取正确的强度值。但是，我不确定您想要如何存储这些强度值。您只想要一个单一的一维强度数组吗？您想将它们放入某种掩模中吗？您能详细说明一下您希望如何存储这些强度值吗？ - rayryeng

我使用cv2.findContours找到了轮廓点，并将它们存储在一个数组中。我只想要该边界内所有像素的强度值的一维数组。此外，我不确定应该如何进行索引。您能否解释一下？ - Kaya311

我使用了一个 for 循环来索引 cv2.findContours 的输出。然后，我只是使用 pxlVal = img[x, y] 来获取对象边界（轮廓）上的像素值。如何获取边界内的像素？ - Kaya311

请看一下我的答案。 - rayryeng

嘿@rayryreg，请在这里检查我的问题[http://stackoverflow.com/questions/36861334/i-want-to-plot-the-distance-between-centroid-of-each-contour-and-respective-boun?noredirect=1#comment61291472_36861334]。 - PJL

3个回答

3

@rayryeng的回答非常好!

在我的实现中有一点需要注意：np.where()返回一个元组，其中包含一组行索引和一组列索引。因此，pts[0] 包括一个 行索引 列表，对应于图像的高度，pts[1] 包括一个 列索引 列表，对应于图像的宽度。而 img.shape 返回的是 (行数, 列数, 通道数)。因此，我认为应该使用 img[pts[0], pts[1]] 来切片 img 后面的 ndarray。

- Jundong

OpenCV中使用的约定是保持方法中的x坐标为水平，而y坐标为垂直。这就是为什么上面代码中的符号被翻转的原因。这更多是为了与OpenCV兼容，而不是访问实际像素本身。 - rayryeng

感谢您的评论，@rayryeng！ - Jundong

感谢您的评论，@rayryeng！当您说x坐标是水平的时候，这是否意味着返回的轮廓包含元组中的“列索引”作为第一个元素？当我使用了您的想法后，img[pts[0], pts[1]]对我有效；但是img[pts[1], pts[0]]引发了“超出范围”的索引错误。可能的原因是什么？ - Jundong

1

实际上，你是正确的。我需要修改我的帖子。我道歉。我投了一票。 - rayryeng

1

抱歉，由于我声望不够，无法将此评论添加到第一个正确答案中。

实际上，上面的好代码有些改进：我们可以跳过获取分数的那一行，因为灰度图像和np.zeros临时图像具有相同的形状，我们可以直接在括号内使用“where”。就像这样：

# (...) opening image, converting into grayscale, detect contours (...)
intensityPer = 0.15
for c in contours:
    temp = np.zeros_like(grayImg)
    cv2.drawContours(temp, [c], 0, (255,255,255), -1)
    if np.mean(grayImg[temp==255]) > intensityPer*255:
        pass # here your code

通过此示例，我们保证轮廓内区域的平均强度将至少为最大强度的15%。

- Jaime Finat

如果我错了，请告诉我，同时降低答案的评级，这样我也可以修复我的代码，谢谢！ - Jaime Finat

作为最佳答案甚至被接受的答案可能会发生变化，请参考@rayryeng的答案。这样，添加一个建立在其他答案基础上的答案就可以完全没有问题。一些复杂的开发过程是无法用一个简短的答案来回答的。祝好！ - cmbarbu

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

- rayryeng · Accepted Answer

根据我们的评论，您可以创建一个numpy数组列表，其中每个元素是描述每个对象轮廓内部强度的强度值。具体来说，对于每个轮廓，创建一个二进制掩码填充轮廓内部，找到填充对象的(x,y)坐标，然后索引到您的图像并获取强度。

我不确定您如何设置代码，但假设您有一张名为img的灰度图像。您可能需要将图像转换为灰度图像，因为cv2.findContours适用于灰度图像。使用此功能，正常调用cv2.findContours：

import cv2
import numpy as np

#... Put your other code here....
#....

# Call if necessary
#img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# Call cv2.findContours
contours,_ = cv2.findContours(img, cv2.RETR_LIST, cv2.cv.CV_CHAIN_APPROX_NONE)

contours现在是一个由3D的numpy数组组成的列表，每个数组的大小为N x 1 x 2，其中N是每个对象的轮廓点的总数。

因此，您可以像这样创建我们的列表：

# Initialize empty list
lst_intensities = []

# For each list of contour points...
for i in range(len(contours)):
    # Create a mask image that contains the contour filled in
    cimg = np.zeros_like(img)
    cv2.drawContours(cimg, contours, i, color=255, thickness=-1)

    # Access the image pixels and create a 1D numpy array then add to list
    pts = np.where(cimg == 255)
    lst_intensities.append(img[pts[0], pts[1]])

对于每个轮廓，我们创建一个空白图像，然后在这个空白图像中绘制填充的轮廓。您可以通过将 thickness 参数设置为 -1 来填充轮廓所占据的区域。我将轮廓的内部设为 255。之后，我们使用 numpy.where 查找与某个条件匹配的数组中所有行和列的位置。在我们的情况下，我们想要找到等于 255 的值。之后，我们使用这些点来索引进入图像以获取位于轮廓内部的像素强度。 lst_intensities 包含了一个由 1D numpy 数组组成的列表，其中每个元素都给出了属于每个对象轮廓内部的强度。要访问每个数组，只需执行 lst_intensities[i]，其中 i 是要访问的轮廓。