在Python-OpenCV中找到轮廓峰

Question

我有一个包含四个人的二进制图像/轮廓，我想检测/计算所有人类。由于存在遮挡，所以我认为最好在所有人的轮廓中获得头部/最大值。在那种情况下，可以计算人类。 我能够得到global maxima\topmost point（就微积分语言而言），但我希望获得所有local maximas

找到最高点的代码是Adrian在他的博客中提出的建议，即：

  

topmost =元组（largest_contour [largest_contour [：，：1] .argmin（）] [0]）

任何人都可以建议如何获取所有local maximas，而不仅仅是最顶级的位置？ 以下是我的图片示例：

Answer 1

“局部最大值”的定义可能很难确定，但如果你从一个简单的方法开始，你就会发展直觉以进一步观察。即使网上有可用的方法来为您完成这项工作，在使用Google搜索之前，自己也应该自己实施一些基本技术。

我在路径中使用的一个简单方法是这样的：

1. 将轮廓视为（x，y）坐标的数组/列表/容器。
2. 在列表中的每个元素N（像素）处，获得N-D和N + D处的像素;即当前像素前面的像素D和当前像素后面的D
3. 计算点对点距离
4. 计算从N-D到N + D
的轮廓距离
5. 计算（distanceAlongContour）/（点对点距离）
6. ...

还有很多其他方法可以做到这一点，但这很快就可以从头开始实施，我认为这是一个合理的起点：比较“测地线”距离和欧几里德距离。

其他一些可能性：

• 将一堆曲线拟合到轮廓中的像素块。 （这里有很多细节需要调查。）
• 使用Ramer-Puecker-Douglas将轮廓渲染为多边形，然后选择参数以确保这些多边形得到适当简化。 （我今天第二次提到R-P-D;它很方便。）检查角度偏离180度的顶点。
• 尝试角落探测器。原油，但易于实施。
• 实现在轮廓列表中从一个像素移动到下一个像素的边缘跟随器，并在像素移动方向时计算某种“惯性”。这在逐个像素的基础上没有用，但是你可以比较像素N-1，N，N + 1到像素N + 1，N + 2，N + 3。或者只计算它们之间的角度。