使用Python和OpenCV我正在检测二进制掩码的轮廓:
import numpy as np
import cv2
import matplotlib.pyplot as plt
mask = np.zeros(20000, dtype=np.uint8).reshape(100, 200)
mask[5:-5,5:-5] = 255
mask[10:70,40:80] = 0
plt.subplot(121)
plt.imshow(mask, cmap='Greys_r', interpolation='none')
_, contours, hierarchy = cv2.findContours(mask.copy(),
cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE,
offset=(0, 0))
导致预期的行为:
plt.subplot(122)
cv2.drawContours(mask, contours, -1, (127, 127, 127), 2)
plt.imshow(mask, cmap='Greys_r', interpolation='none')
plt.show()
但是,我似乎无法理解完全激活的蒙版的结果:
mask = np.ones(20000, dtype=np.uint8).reshape(100, 200)
mask *=255
_, contours, hierarchy = cv2.findContours(mask.copy(),
cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE,
offset=(0, 0))
print contours[0]
产生:
(1 1), (1 98), (198 98), (198 1)
而不是(0 0), (0 99), (199, 99), (199, 0)
为什么opencv findcontours的行为与此类似,偏移量为1?
答案 0 :(得分:3)
直到OpenCV 3.1 findContours
在边界上有this wierd behaviour,documentation中也有说明:
此图像功能修改了源图像。此外,该功能没有考虑图像的1像素边界(它用0&#s填充并用于算法中的邻域分析),因此将剪切触摸图像边界的轮廓。
这有been corrected in OpenCV 3.2, which also doesn't modify the source image:
由于opencv 3.2源图像未被此函数修改。
作为以前版本的变通方法,您可以使用copyMakeBorder
创建1个像素的黑色(0)边框,并使用偏移量为findContours
的{{1}}:
(-1,-1)