标签: opencv-contour

对于放射线扫描，我已经能够获得轮廓。

我有兴趣找到中心轴。我怎么能在python中做到这一点？

这是我的轮廓代码：

import cv2


img = cv2.imread("A.png")


imgray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
edges = cv2.Canny(img,60,200)

contours, hierarchy = cv2.findContours(edges, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

hierarchy = hierarchy[0]


cv2.drawContours(img, contours, -1, (255,0,0), 3)

cv2.imshow('img',img)
cv2.waitKey(0)
cv2.destroyAllWindows()

正如@Silencer所建议的,我使用他在这里发布的代码来绘制图像中数字的轮廓.在某些时候,处理数字,就像0,6,8,9我看到他们的内部轮廓(圆圈)也被填充.我怎么能阻止这个？是否有为cv2.drawContours()设置的最小/最大动作区域,所以我可以排除内部区域？

我试图传递cv2.RETR_EXTERNAL但是使用此参数只考虑整个外部区域.

代码就是这样(再次感谢Silencer.几个月来一直在寻找这个......):

import numpy as np
import cv2

im = cv2.imread('imgs\\2.png')
imgray = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(imgray, 127, 255, 0)
image, contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

#contours.sort(key=lambda x: int(x.split('.')[0]))

for i, cnts in enumerate(contours):
    ## this contour is a 3D numpy array
    cnt = contours[i]
    res = cv2.drawContours(im, [cnt], 0, (255, 0, 0), 1)
    cv2.imwrite("contours.png", res)
    '''
    ## Method 1: crop the region
    x,y,w,h = cv2.boundingRect(cnt)
    croped = res[y:y+h, x:x+w] …

I have character images like this:

After getting contours and convexHull the output is like this:

For that I used following code:

import cv2
img = cv2.imread('input.png', -1)

ret, threshed_img = cv2.threshold(cv2.cvtColor(img, cv2.COLOR_BGR2GRAY),
                        127, 255, cv2.THRESH_BINARY)
image, contours, hier = cv2.findContours(threshed_img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
for cnt in contours:
    # get convex hull
    hull = cv2.convexHull(cnt)
    cv2.drawContours(img, [hull], -1, (0, 0, 255), 1)    
cv2.imwrite("output.png", img)

As you can see in the following image there are identified contours which are vertically aligned with …

我有一组元组：

a = [(375, 193)
(364, 113)
(277, 20)
(271, 16)
(52, 106)
(133, 266)
(289, 296)
(372, 282)]

如何在 OpenCV 中的点之间画线？

这是我的代码不起作用：

for index, item in enumerate(a): 
    print (item[index]) 
    #cv2.line(image, item[index], item[index + 1], [0, 255, 0], 2) 

我试图隔离验证码中的字母，我设法过滤了验证码，结果得到了这张黑白图像：

但是当我尝试使用 OpenCV 的 findContours 方法分离字母时，它只是发现了一个包裹我整个图像的外部轮廓，从而产生了这个图像（图像外的黑色轮廓）。

我将此代码与 Python 3 和 OpenCV 3.4.2.17 一起使用：

img = threshold_image(img)
cv2.imwrite("images/threshold.png", img)

image, contours, _ = cv2.findContours(img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)

for i, contour in enumerate(contours):
    area = cv2.contourArea(contour)
    cv2.drawContours(img, contours, i, (0, 0, 0), 3)

cv2.imwrite('images/output3.png', img)

我只希望我的最终结果是每个字符外有 5 个轮廓。

今天我试图识别一个物体的边缘。

通过这样做，我得到了很好的结果。

import cv2
img = cv2.imread("0.png")
img2 = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
img2 = cv2.equalizeHist(img2)
img2 = cv2.GaussianBlur(img2, (7, 7), 0)
edges = cv2.Canny(img2, 180, 300)
im2, contours, hierarchy = cv2.findContours(edges, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
cv2.drawContours(img, contours, -1, (0, 255, 0), 1)
cv2.imshow('img', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

图像看起来像：（这是焊接的 X 射线）

我的最终目标是找到边缘之间的中心线，（每个 X 上的 (MaxY+MinY)/2 的集合）理想的结果应该是这样的：（抱歉手绘不好）

谁能让我知道我该怎么做？非常感谢。

我需要分组contours并绘制一个bounding rectangle包含所有轮廓的单曲，就像这样

from matplotlib import pyplot as plt
import cv2 as cv

img = cv.imread('shapes1.png', 0)
imgRGB = cv.cvtColor(img.copy(), cv.COLOR_GRAY2RGB)

_, ctrs, _ = cv.findContours(img, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)

boxes = []
for ctr in ctrs:
    x, y, w, h = cv.boundingRect(ctr)
    boxes.append([x, y, w, h])

for box in boxes:
    top_left     = (box[0], box[1])
    bottom_right = (box[0] + box[2], box[1] + box[3])
    cv.rectangle(imgRGB, top_left, bottom_right, (0,255,0), 2)

fig = plt.figure(figsize = (10, 10))
ax  = fig.add_subplot(111)
ax.imshow(imgRGB, cmap='gray') …

我是计算机视觉的新手。因此，我不知道以下代码的内部实现，因此无法调试该错误。任何人都可以在以下代码中指出错误吗？

该代码使用Box Filter和Edge detection Kernel矩阵的组合将停车图像转换为二进制图像。然后我试图找到轮廓。现在我知道可以在二进制图像上找到轮廓，可以使用cv2.threshold（）函数导出轮廓，从Filter和Kernel矩阵获得的图像也不是二进制图像吗？

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

img=cv2.imread('parking spot1.jpg',1)
k3 = np.array(([-1,-1,-1],[-1,8,-1],[-1,-1,-1]))
low_filter = cv2.boxFilter(img, -1, (4,4))
output_low = cv2.filter2D(low_filter, -1, k3)
plt.subplot(2, 2, 1)
plt.imshow(img)
plt.title('Original Image')

plt.subplot(2, 2, 2)
plt.imshow(output_low)
plt.title('matrix1')

plt.show()

img, ret, heirarchy = cv2.findContours(output_low, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

您认为我做错了什么？我非常感谢您对此问题的解释或指导。

非常感谢。

我面临的错误是：

（）最近追溯（最近一次通话）----> 1 img，ret，heirarchy = cv2.findContours（output_low，cv2.RETR_EXTERNAL，cv2.CHAIN_APPROX_SIMPLE）

错误：OpenCV（3.4.3）/io/opencv/modules/imgproc/src/contours.cpp:199：错误：（-210：不支持的格式或格式组合）[开始]当模式！=时，FindContours仅支持CV_8UC1图像。 CV_RETR_FLOODFILL否则仅在函数'cvStartFindContours_Impl中支持CV_32SC1图像

我有这样的图像：

在我应用了一些处理之后，例如cv2.Canny()，它现在看起来像这样：

如您所见，黑线变为空心。我试过腐蚀和膨胀，但如果我多次这样做，两个入口将被关闭（意味着成为连接线或封闭轮廓）。

我怎样才能使这些线条像下图一样牢固，同时保持 2 个入口不受影响？

更新 1

我已经用几张照片测试了以下答案，但代码似乎是定制的，只能处理这张特定的图片。由于 SOF 的限制，我不能上传大于 2MB 的照片，所以我将它们上传到我的 Microsoft OneDrive 文件夹中，以方便您测试。

https://1drv.ms/u/s!Asflam6BEzhjgbIhgkL4rt1NLSjsZg?e=OXXKBK

更新 2

我拿起@fmw42 的帖子作为答案，因为他的答案是最详细的。它没有回答我的问题，但指出了处理迷宫的正确方法，这是我的最终目标。我喜欢他的回答问题的方法，首先告诉您每个步骤应该做什么，以便您对如何完成任务有一个清晰的想法，然后从头到尾提供完整的代码示例。很有帮助。

由于SOF的限制，我只能挑出一个答案。如果允许多个答案，我也会选择 Shamshirsaz.Navid 的答案。他的回答不仅指出了解决问题的正确方向，而且形象化的解释对我来说真的很管用~！我想它对所有试图理解为什么需要每一行代码的人都同样有效。他也在评论中跟进了我的问题，这使得 SOF 有点互动:)

Ann Zen 的回答中的 Threshold track bar 也是一个非常有用的提示，可以帮助人们快速找到最佳值。

我正在尝试填充通过单独阈值处理 3 个颜色通道获得的轮廓。

image_original = cv2.imread(original_image_path)
image_contours = np.zeros((image_original.shape[0], image_original.shape[1], 1), dtype=np.uint8)
image_contour = np.zeros((image_original.shape[0], image_original.shape[1], 1), dtype=np.uint8)
image_binary = np.zeros((image_original.shape[0], image_original.shape[1], 1), dtype=np.uint8)
image_area = image_original.shape[0] * image_original.shape[1]
for channel in range(image_original.shape[2]):
    ret, image_thresh = cv2.threshold(image_original[:, :, channel], 120, 255, cv2.THRESH_OTSU)
    _, contours, hierarchy = cv2.findContours(image_thresh, 1, 1)
    for index, contour in enumerate(contours):
        if( cv2.contourArea( contour )  > image_area * background_remove_offset ):
            del contours[index]
    cv2.drawContours(image_contours, contours, -1, (255,255,255), 3)
_, contours, hierarchy = cv2.findContours(image_contours,  cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)
cv2.drawContours(image_contour, max(contours, key …