如何在SimpleCV或opencv中计算边界内的标记区域

Question

我有这张图片：

这里我在绿色背景上有一个图像，并且在其中标有红线的区域。我想计算相对于图像标记部分的面积。

我正在裁剪图像以移除绿色背景并计算裁剪图像的区域。从这里我不知道如何继续。

我注意到Contour可用于此，但问题是如何在这种情况下绘制轮廓。

我想如果我可以创建轮廓并用一些颜色填充标记区域，我可以从整个（裁剪）图像中减去它并获得两个区域。

Answer 1

在您的链接中，他们使用方法threshold并在参数中添加颜色。基本上它将您的源图像设置为白色，所有像素都大于此值，否则设置为黑色（这意味着您的源图像需要是灰度图像）。此阈值使您能够“填充标记区域”以便进行轮廓检测。

但是，我认为您应该尝试在裁剪的图片上使用inRange方法。它与threshold几乎相同，但不是有一个阈值，而是有最小和最大边界。如果您的像素位于边界给定的颜色范围内，则它将设置为白色。如果不是，那么它将被设置为黑色。我不知道这是否有效，但是如果你试图隔离你范围内的“最绿”颜色，那么你可能会在右上方看到你的大白区。

然后在二值化图像上应用方法findContours。它将为您提供所有轮廓，因此如果图像中其他位置有小白点，则无关紧要，您只需选择该方法找到的最大轮廓。

请注意，如果inRange的范围不合适，您应该在右上方找到的大白区可能包含一些噪音，并且可能会弄乱轮廓的检测。为了避免这种情况，你可以模糊你的图像并做一些像侵蚀/扩张的东西。通过这种方式，您可以获得更好的检测效果。

修改

我会在这里添加一些代码，但不能按原样使用。正如我所说的，我对Python一无所知，所以我所能做的就是为你提供OpenCV方法以及要提供的参数。

让我们回顾一下这些步骤：

1. 使用inRange对图像进行二值化。您需要找到最小和最大边界的适当值。你想要做的是隔离绿色，因为它主要是构成轮廓内部区域的颜色。我找不到比试错更好的东西来找到最好的门槛。让我们从那些最小值和最大值开始：（0,125,0）和（255,250,255）

inRange(source_image, Scalar(0, 125, 0), Scalar(255, 250, 255), binarized_image)

1. 使用imshow
检查结果

imshow("bin", binarized_image)

1. 如果二进制化正常（您可以检测到您想要的区域），请应用findContours。对不起，我不理解教程和文档中使用的语法，但这里有参数：

   • binarized_mat：您的二值化图片
   • contours：Point数组的数组，其中包含检测到的所有轮廓。每个轮廓都存储为一个点阵列。
   • mode：你可以选择你想要的任何东西，但我建议你使用RETR_EXTERNAL。

2. 获取最大尺寸的数组，因为它可能是点数最多的轮廓（当时最大的点）。

3. 计算

中的区域

希望这有帮助！