Python图像处理之目标物体轮廓提取的实现方法 Python图像处理之目标物体轮廓

1 引言
2 原理
3 Python实现

1）读入彩色图像
2) 彩色图像灰度化
3）二值化
4）提取轮廓

4 总结

【Python图像处理之目标物体轮廓提取的实现方法】
1 引言目标物体的边缘对图像识别和计算机分析十分有用。边缘可以勾画出目标物体，使观察者一目了然；边缘蕴含了丰富的内在信息（如方向、形状等），是图像识别中抽取图像特征的重要属性。轮廓提取是边界分割中非常重要的一种处理，同时也是图像处理的经典难题，轮廓提取和轮廓跟踪的目的都是获得图像的外部轮廓特征。

2 原理二值图像的轮廓提取的原理非常简单，就是掏空内部点：如果原图中有一点为黑，且它的8个相邻点皆为黑色，则将该点删除。对于非二值图像，需要先进行二值化处理。轮廓提取的方法有很多，在这里我们介绍一种最基本、最简单容易实现的算法。算法原理如下：

在进行轮廓提取时，使用一个一维数组，用来记录处理的像素点的周围8邻域的信息
若8个邻域的像素点的灰度值和中心点的灰度值相同，则认为该点在物体的内部，可以删除；
否则，认为该点在图像的边缘，需要保留。
依次处理图像中每一个像素，则最后留下来的就是图像的轮廓。

3 Python实现
1）读入彩色图像

img_name = "./20210808/sample3.png"img = cv2.imread(img_name)

结果如下：

文章图片

2) 彩色图像灰度化

gray_img = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

结果如下：

文章图片

3）二值化

def get_binary_img(img):# gray img to bin imagebin_img = np.zeros(shape=(img.shape), dtype=np.uint8)h = img.shape[0]w = img.shape[1]for i in range(h):for j in range(w):bin_img[i][j] = 255 if img[i][j] > 127 else 0return bin_img# 调用bin_img = get_binary_img(gray_img)

结果如下：

文章图片

4）提取轮廓

参考上述原理，进行实现，代码如下：

def get_contour(bin_img):# get contourcontour_img = np.zeros(shape=(bin_img.shape),dtype=np.uint8)contour_img += 255h = bin_img.shape[0]w = bin_img.shape[1]for i in range(1,h-1):for j in range(1,w-1):if(bin_img[i][j]==0):contour_img[i][j] = 0sum = 0sum += bin_img[i - 1][j + 1]sum += bin_img[i][j + 1]sum += bin_img[i + 1][j + 1]sum += bin_img[i - 1][j]sum += bin_img[i + 1][j]sum += bin_img[i - 1][j - 1]sum += bin_img[i][j - 1]sum += bin_img[i + 1][j - 1]if sum ==0:contour_img[i][j] = 255return contour_img# 调用contour_img = get_contour(bin_img)

结果如下：