标签: opencv-contour

我正在尝试将最小边界框适合下面显示的每个“斑点”。作为图像处理管道的一部分，我使用 findContours 来检测数据中的轮廓，然后在给定一组已发现的轮廓的情况下绘制最小边界框。

最小边界框不是很准确——一些特征显然被遗漏了，而另一些特征则不能完全“封装”一个全连接的特征（而是被分割成几个小的最小边界框）。我玩过检索模式（如下所示的 RETR_TREE）和轮廓近似方法（如下所示的 CHAIN_APPROX_TC89_L1），但找不到我真正喜欢的东西。有人可以建议一种更强大的策略来使用 OpenCV Python 更准确地捕获这些轮廓吗？

import numpy as np
import cv2

# load image from series of frames
for x in range(1, 20):
    convolved = cv2.imread(x.jpg)
    original = convolved.copy

    #convert to grayscale   
    gray = cv2.cvtColor(convolved, cv2.COLOR_BGR2GRAY)

    #find all contours in given frame, store in array
    contours, hierarchy = cv2.findContours(gray,cv2.RETR_TREE, cv2.CHAIN_APPROX_TC89_L1)
    boxArea = []

    #draw minimum bounding box around each discovered contour
    for cnt in contours:
        area = cv2.contourArea(cnt)
        if area > 2 …

我一直在尝试找到弯曲形状（例如香蕉）的中心。我可以完成所有基础操作，例如创建二值图像和定位轮廓。但是，质心函数正确地找到了轮廓之外的点。我需要的点必须在轮廓内。我附上了一张应该能更好地解释事情的图片。

如果有人有任何想法，或看到过类似的东西，我将非常感谢您的帮助。

我试图在一个二进制图像中找到轮廓，这是一个 numpy 数组

a = np.array(np.random.rand(1024,768),dtype='float32')    
_, t2 = cv2.threshold(a,127,255,0)
im2, contours, hierarchy = cv2.findContours(t2,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)

当我尝试运行该代码时，出现此错误

OpenCV Error: Unsupported format or combination of formats
([Start]FindContours supports only CV_8UC1 images when 
mode != CV_RETR_FLOODFILL otherwise supports CV_32SC1 images only)
in cvStartFindContours

假设如果我们正在处理图像，是否有任何方法可以访问轮廓内的像素？

我已经使用函数findContours（）找到了轮廓，甚至找到了瞬间，但找不到轮廓内的像素。

任何建议都欢迎！！

谢谢！

所以我正在尝试阅读下面的图片。

我已经能够制作自适应阈值并检测旋转角度（我不确定是否必须旋转图像）

我正在努力检测包含表单的矩形。我尝试了不同的方法，例如 opencv 的 findContours()。它能够找到的最大轮廓是一个带有名字的框。

之后我决定使用HoughLinesP，但它发现了很多行，我不知道如何过滤它们。检测矩形以校正表格也很方便，之后我将能够轻松阅读答案。所以我已经在考虑在角落添加黑色方形标记..但也许有人可以给我一些如何正确做的想法。

HoughLinesP（我使用 nodejs，但我可以阅读 python 和 c++）：

const imageSize = {
    width: gray.cols,
    height: gray.rows
  };

  const threshold_min = 200;
  const ratio_min_max = 1;
  const edges = gray.canny(threshold_min,threshold_min*ratio_min_max,3);

  const minLineLength = imageSize.width / 4, 
        maxLineGap = 10, 
        threshold = 100;
  const lines = edges.houghLinesP(1, Math.PI/180, threshold, minLineLength, maxLineGap);

  //draw lines on the output
  for( let i = 0; i < lines.length; i++ )  {  
    const l = lines[i];  
    const {x,y,z,w} = l;
    output.drawLine(
      cv.Point(w, x), …

我有 2 个轮廓（cont1和cont2）从cv2.findContours(). 我怎么知道它们是否相交？我不需要坐标，我只需要一个布尔值True或False.

我尝试了不同的方法，并且已经尝试与

if ((cont1 & cont2).area() > 0):

...但得到数组没有方法“Area()”的错误

...
cont1array = cv2.findContours(binary1, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)[0]
cont2array = cv2.findContours(binary2, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)[0]
...

for cont1 in cont1array:
  for cont2 in cont2array:
    print("cont1")
    print(cont1)
    print(type(cont1))
    print("cont2")
    print(cont2)
    print(type(cont2))
>   if cont1 and cont2 intersect: #i dont know how check intersect
      print("yes they intersect")
    else:
      print("no they do not intersect")

# cont1
# [[172 302]
#  [261 301]
#  [262 390] …

我想计算红外相机生成的图像中形状的面积。

我有一大组矩阵，它们是由红外相机生成的。在每个矩阵/图像中，我的背景主要是一个点的图像，这是红外辐射的来源。我处理它的方法是使用 Python OpenCV 来通过消除背景和计算形状中的像素数来隔离源图像。问题是在每张图像中，图像的一部分也变成了背景，所以我无法像我想要的那样获得完整的图像。

import cv2
import numpy as np
from matplotlib import pyplot as plt

PPmm = 81/55 #Pixel per mm


img = np.genfromtxt('Image 5 Z_plane = 141.0_contour_plot.csv', delimiter= ',')

img_cv = cv2.resize(img,(81,81))
np.savetxt('testing.csv', img_cv, delimiter= ',')

img = (img_cv*255).astype(np.uint8)









edges = cv2.Canny(img,150,250)

se = np.ones((7,7), dtype='uint8')





# Perform morphology

image_close = cv2.morphologyEx(edges, cv2.MORPH_CLOSE, se)

# Your code now applied to the closed image
cnt = cv2.findContours(image_close, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[0]
mask = np.zeros(img.shape[:2], np.uint8)
cv2.drawContours(mask, cnt, -1, 255, -1) …

我正在尝试从轮廓中检测出三个矩形。我已经从整个图像中提取了整个轮廓。我在下面附加提取轮廓的图像。我想找出一种从整个轮廓中进一步提取三个矩形面板的方法。

提取轮廓图：

我有一个骨架图像（如下所示）。

我想得到线条的交点。我在下面尝试了以下方法，skeleton是一个 openCV 图像，算法返回一个坐标列表：

def getSkeletonIntersection(skeleton):
    image = skeleton.copy();
    image = image/255;
    intersections = list();
    for y in range(1,len(image)-1):
        for x in range(1,len(image[y])-1):
            if image[y][x] == 1:
                neighbourCount = 0;
                neighbours = neighbourCoords(x,y);
                for n in neighbours:
                    if (image[n[1]][n[0]] == 1):
                        neighbourCount += 1;
                if(neighbourCount > 2):
                    print(neighbourCount,x,y);
                    intersections.append((x,y));
    return intersections;

它找到有两个以上相邻像素的白色像素的坐标。我认为这只会返回角落，但事实并非如此 - 它会返回更多点。

这是其检测到的点标记在图像上的输出。这是因为它检测到下面显示的一些不是相交的示例。

0 0 0    1 1 0    0 1 1
1 1 1    0 1 0    1 1 0
0 0 1    0 0 …

我正在使用openCV和python从图像中提取轮廓.现在我需要将这些轮廓路径(列表)导出为svg路径.我怎样才能做到这一点？

码:

ret,thresh = cv2.threshold(imgray,27,25,0)
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_EXTERNAL , cv2.CHAIN_APPROX_TC89_L1)
print(type(contours)) #type list