OpenCV颜色检测，不需要先验颜色

Question

我想在一些颜色斑点周围绘制边界框，颜色我事先不知道。图像看起来像这样：

场景中的每种颜色代表不同的对象。我已经在图像的灰度版本上尝试了findContours，但是如果它们重叠，那么获得的轮廓包含多个对象。我希望获得单个对象的轮廓，或者如果对象被场景中的另一个对象分割，则获得对象的多个轮廓。有没有办法在OpenCV中实现这一目标？ 非常感谢您的关注和时间！

编辑：按照建议，这里是我的代码

img = cv2.imread(img_path)

imgray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

kernel = np.ones((5,5), np.uint8)

im2, contours, hierarchy = cv2.findContours(imgray, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

bboxes = []

for c in contours:
    x, y, w, h = cv2.boundingRect(c)
    M = cv2.moments(c)
    if M["m00"]:
        cx = int(M['m10']/M['m00'])
        cy = int(M['m01']/M['m00'])
        area = cv2.contourArea(c)
        if area >= 25:
            colorHash = img[cy, cx]
            bboxes.append((Box(Point(x, y), Point(x+w, y+h)), colorHash, area))
            cv2.drawContours(img, [c], -1, (0, 0, 255), 1)

cv2.imshow("Image", img)
cv2.waitKey(0)   

return bboxes, contours

这里是我正在尝试解决的问题的图像（标记为蓝色，轮廓为红色，对象应具有单独的轮廓）

Answer 1

您可以对图像的HSV颜色空间进行光栅扫描，并根据某些色调范围的色调值对每个像素进行分类。 之后，使用不同的色调值类对图像进行遮罩，从而对不同颜色的每个单独对象进行分割。

Answer 2

1. 请发布您的代码，以便我们可以查看错误的位置或为您的方法提供更好的建议。
2. 以下代码绘制图像中单个对象的轮廓：

`

# -i : image path

# import stuff
import numpy as np
import argparse
import cv2

# Construct argument 
ap = argparse.ArgumentParser()
ap.add_argument( "-i", "--image", required = True, help = "Path to the image")
ap.add_argument("-t", "--threshold", type = int, default = 100, help = "Enter threshold value")
args = vars(ap.parse_args())

# load image / grayscale
image = cv2.imread(args["image"])
print (image.shape)
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

kernel = np.ones((5,5), np.uint8)
# blur the image for a mask
img = cv2.erode(gray, kernel, iterations=1)
img = cv2.dilate(img, kernel, iterations=1)
blurred = cv2.blur(img, (3,3))

# Threshold image to segment the objects
# requires grayscale image
methods = [
    ("THRESH_BINARY", cv2.THRESH_BINARY)
    #("THRESH_BINARY_INV", cv2.THRESH_BINARY_INV)
    ]

# loop for each threshold method
# (T, threshImage) = cv2.threshold(src, thresh, maxval, type)
for (threshName, threshMethod) in methods:
    (T, threshImage) = cv2.threshold(blurred, args["threshold"], 255, threshMethod)
    cv2.namedWindow(threshName,cv2.WINDOW_NORMAL)
    cv2.resizeWindow(threshName, 600,600)
    cv2.imshow(threshName, threshImage)
    cv2.waitKey(0)

# # Adaptive thresholding
# adaptiveThresh = cv2.adaptiveThreshold(blurred, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY_INV, 11, 4)

# Crop target image using thresh as mask
masked = cv2.bitwise_and(gray, gray, mask = threshImage)
# cv2.imshow("Mased Image", masked)
# cv2.waitKey(0)

# find contours
(_, cnts, _) = cv2.findContours(masked.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
print (" No. of Contours ={}".format(len(cnts)))

# draw the contours on top of the original image
drops = image.copy()
cv2.drawContours(drops, cnts, -1, (0, 255, 0), 2)
cv2.namedWindow("Contours",cv2.WINDOW_NORMAL)
cv2.resizeWindow("Contours", 600,600)
cv2.imshow("Contours", drops)
cv2.waitKey(0)

cv2.imwrite('contours.png',drops)

Answer 3

两种方法：

• 使用轮廓方法，并保持斑点的颜色（轮廓中的任何像素）以及边界框。然后合并相同颜色的边界框。这可以通过颜色索引的边界框字典来帮助完成。

• 扫描图像，从空字典开始。每次遇到非黑色像素时，查找其颜色并创建或更新边界框。

请注意，无需转换为其他颜色系统，请保留原始RGB。