Question

我在Python 2.7.9上使用OpenCV 3.0.0。我正在尝试跟踪具有静止背景的视频中的对象，并估计其某些属性。由于图像中可能有多个移动对象，因此我希望能够区分它们并在视频的其余帧中单独跟踪它们。

我认为我可以做到的一种方法是将图像转换为二进制，获取斑点的轮廓（在这种情况下为跟踪对象）并获取对象边界的坐标。然后我可以转到灰度图像中的这些边界坐标，获得由该边界包围的像素强度，并跟踪其他帧中的这种颜色梯度/像素强度。这样，我可以保持两个对象彼此分开，因此它们不会被视为下一帧中的新对象。

我有轮廓边界坐标，但我不知道如何检索该边界内的像素强度。有人可以帮帮我吗？

谢谢！

Answer 1

根据我们的评论，您可以创建一个numpy数组列表，其中每个元素都是描述每个对象轮廓内部的强度。具体来说，对于每个轮廓，创建一个二进制遮罩，填充轮廓内部，找到填充对象的(x,y)坐标，然后索引到图像并获取强度。

我并不确切知道您如何设置代码，但我们假设您有一张名为img的灰度图像。您可能需要将图像转换为灰度，因为cv2.findContours适用于灰度图像。有了这个，通常请致电cv2.findContours：

import cv2
import numpy as np

#... Put your other code here....
#....

# Call if necessary
#img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# Call cv2.findContours
contours,_ = cv2.findContours(img, cv2.RETR_LIST, cv2.cv.CV_CHAIN_APPROX_NONE)

contours现在是一个3D numpy数组列表，其中每个数组的大小为N x 1 x 2，其中N是每个对象的轮廓点总数。

因此，您可以像这样创建我们的列表：

# Initialize empty list
lst_intensities = []

# For each list of contour points...
for i in range(len(contours)):
    # Create a mask image that contains the contour filled in
    cimg = np.zeros_like(img)
    cv2.drawContours(cimg, contours, i, color=255, thickness=-1)

    # Access the image pixels and create a 1D numpy array then add to list
    pts = np.where(cimg == 255)
    lst_intensities.append(img[pts[0], pts[1]])

对于每个轮廓，我们创建一个空白图像，然后在此空白图像中绘制填充轮廓。您可以通过将thickness参数指定为-1来填充轮廓占用的区域。我将轮廓的内部设置为255.之后，我们使用numpy.where查找数组中与特定条件匹配的所有行和列位置。在我们的例子中，我们想要找到等于255的值。之后，我们使用这些点来索引我们的图像以获取轮廓内部的像素强度。

lst_intensities包含1D numpy数组的列表，其中每个元素为您提供属于每个对象轮廓内部的强度。要访问每个数组，只需执行lst_intensities[i]，其中i是您要访问的轮廓。

Answer 2

来自@rayryeng的回答很棒！

我实施的一件小事是： np.where()返回一个元组，其中包含行索引数组和列索引数组。因此，pts[0]包含row indices的列表，其对应于图像的高度，pts[1]包括column indices的列表，其对应于图像的宽度。 img.shape会返回(rows, cols, channels)。所以我认为应该img[pts[0], pts[1]]将ndarray分割为img。

Answer 3

很抱歉，由于我没有足够的声誉，因此无法在第一个正确答案中添加此评论。

实际上，上面的漂亮代码有一些改进：由于灰度图像和np.zeros临时图像的形状相同，我们可以跳过获取点的线，可以直接在括号内使用“位置”。像这样：

# (...) opening image, converting into grayscale, detect contours (...)
intensityPer = 0.15
for c in contours:
    temp = np.zeros_like(grayImg)
    cv2.drawContours(temp, [c], 0, (255,255,255), -1)
    if np.mean(grayImg[temp==255]) > intensityPer*255:
        pass # here your code

通过此样本，我们确保轮廓区域内的平均强度至少为最大强度的15％

使用Python中的OpenCV访问轮廓边界内的像素值

3 个答案: