python用opencv完成圖像分割并進(jìn)行目標(biāo)物的提取

更新時(shí)間：2020年05月25日 10:58:56 作者：A霸天下

這篇文章主要介紹了python用opencv完成圖像分割并進(jìn)行目標(biāo)物的提取，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧

運(yùn)行平臺(tái)： Windows
Python版本： Python3.x
IDE： Spyder
今天我們想實(shí)現(xiàn)的功能是對(duì)單個(gè)目標(biāo)圖片的提取如圖所示：

圖片讀取

###############頭文件
import matplotlib.pyplot as plt
import os
import cv2
import numpy as np
from PIL import Image
#from skimage import io
import random
from PIL import Image

首先要完成圖片的讀取，通過(guò)cv2.imshow顯示``

img = cv2.imread("1_3img.png")############圖片讀取
#cv2.imshow('picture', img) 
#cv2.waitKey(0)
pictue_size=img.shape
picture_height=pictue_size[0]
picture_width=pictue_size[1]

邊界提取

################灰度化，以及二值化
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
ret, binary = cv2.threshold(gray,1,255,cv2.THRESH_BINARY) 
############################

######################邊界提取，contours包含邊界值的坐標(biāo)
contours, hierarchy = cv2.findContours(binary,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE)

邊界提取采用cv2.findContours，在進(jìn)行邊緣提取的時(shí)候要把圖像處理為二值圖像，這里要說(shuō)明一下，不同版本的opencv，cv2.findContours輸出的值不同，有兩個(gè)有三個(gè)，我們這個(gè)opencv版本輸出為兩個(gè)。
coontours為所有邊界點(diǎn)的集合，是一個(gè)list，我們圖中有三個(gè)區(qū)域，所以len（list）=3，每一個(gè)list里包含邊界值數(shù)據(jù)。

圖片提取

img2=[0 for i in range(len(contours))]
print(len(contours))
for i in range(len(contours)):
  img2[i]=cv2.imread("./blackboard/test.jpg")############黑色底板圖片讀取
  print(img2[i].shape)
#  cv2.drawContours(img2[i],contours[i],-1,(0,0,255),3) #########畫邊界 
  ###############全圖片遍歷找到相應(yīng)的在輪廓之內(nèi)的點(diǎn)
  for a in range(picture_height):
    for b in range(picture_width):
      #############################################辨別是否在輪廓內(nèi)是定義為1，不是定義為-1
      result = cv2.pointPolygonTest(contours[i], (a,b), False)
      if result>0:
        img2[i][b,a]=100
  ##############下面填寫保存代碼
  scipy.misc.imsave('picture'+str(i)+'.jpg',img2[i])

我們先讀取一個(gè)黑色底版圖片，里面所有的值為0，通過(guò)cv2.pointPolygonTest函數(shù)來(lái)分析像素點(diǎn)的位置是否在邊界區(qū)域內(nèi)，是返回1，不是返回-1，是的點(diǎn)我們賦值為100，并保存，最后得到我們想要的圖片啦

到此這篇關(guān)于python用opencv完成圖像分割并進(jìn)行目標(biāo)物的提取的文章就介紹到這了,更多相關(guān)python opencv圖像分割并提取內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: