Tatsächlicher Kampf | Zielextraktion mit geringem Kontrast, implementiert durch OpenCV (Schritte + Quellcode)

Führung

    In diesem Artikel wird hauptsächlich ein Fall der von OpenCV implementierten Zielextraktion mit geringem Kontrast vorgestellt (Schritte + Quellcode).

Hintergrundeinführung

    Das Beispiel stammt aus dem Netzwerk, das Folgende ist das Testbild, das Ziel besteht darin, den Umriss des Objekts zu extrahieren:

    Der Effekt ist wie folgt:   

Umsetzungsschritte

    Zunächst ist der Kontrast zwischen Hintergrund und Ziel nicht offensichtlich und es ist schwierig, sie zu unterscheiden. Wir können die Zielkontur jedoch immer noch mit der herkömmlichen Blob-Analysemethode extrahieren. Die Schritte sind wie folgt:

[1] In Graustufenbild + Gauß-Filter konvertieren

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)blur = cv2.GaussianBlur(gray, (11, 11), 7)cv2.imshow('blur', blur)

【2】Gekonnte Kantenerkennung

canny = cv2.Canny(blur, 0, 42)cv2.imshow('canny', canny)

【3】Schließvorgang (Verbinden der getrennten Konturen)​​​​​​

kernel = cv2.getStructuringElement(cv2.MORPH_RECT,(7,7))closing = cv2.morphologyEx(canny, cv2.MORPH_CLOSE, kernel, iterations=2)#闭运算cv2.imshow('closing', closing)

[4] Finden Sie die Kontur + finden Sie die maximale Flächenkontur (Entfernen von Interferenzen). Sie können die Gesamtkontur erhalten

contours, hierarchies = cv2.findContours(closing, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)cnt = max(contours, key=cv2.contourArea)cv2.drawContours(img, cnt, -1, (0, 0, 255), 2)

[5] Führen Sie eine Öffnungsoperation für das Ergebnis von Schritt [3] durch und warten Sie, bis Sie den Ontologieteil erhalten:​​​​​​​​

opening = cv2.morphologyEx(closing, cv2.MORPH_OPEN, kernel, iterations=1)#闭运算cv2.imshow('opening', opening)

[6] Finden Sie die Kontur + finden Sie die Kontur mit der maximalen Fläche (Entfernen von Interferenzen):​​​​​​

contours, hierarchies = cv2.findContours(opening, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)cnt = max(contours, key=cv2.contourArea)cv2.drawContours(img, cnt, -1, (0, 255, 0), 2)

Vollständiger Quellcode:

# 公众号：计算机视觉之家import numpy as npimport cv2
img = cv2.imread('1.jpg')cv2.imshow('src', img)
h,w,c = img.shapeimg = cv2.resize(img, (w // 2, h // 2))
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)blur = cv2.GaussianBlur(gray, (11, 11), 7)cv2.imshow('blur', blur)canny = cv2.Canny(blur, 0, 42)cv2.imshow('canny', canny)
kernel = cv2.getStructuringElement(cv2.MORPH_RECT,(7,7))closing = cv2.morphologyEx(canny, cv2.MORPH_CLOSE, kernel, iterations=2)#闭运算cv2.imshow('closing', closing)
##contours, hierarchies = cv2.findContours(closing, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)##cnt = max(contours, key=cv2.contourArea)##cv2.drawContours(img, cnt, -1, (0, 0, 255), 2)
opening = cv2.morphologyEx(closing, cv2.MORPH_OPEN, kernel, iterations=1)#闭运算cv2.imshow('opening', opening)
contours, hierarchies = cv2.findContours(opening, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)cnt = max(contours, key=cv2.contourArea)cv2.drawContours(img, cnt, -1, (0, 255, 0), 2)
cv2.imshow('result', img)cv2.waitKey(0)cv2.destroyAllWindows()