放大轮廓/向外生长

Question

我有一个小脚本 ^(GitHub) （基于this answer），用于检测白色背景上的对象。该脚本可以正常工作并检测对象。例如，此图像：

成为这个：

然后我裁剪boundingRect（红色）。

我将对此图像进行进一步的操作。例如，我将仅裁剪轮廓，而不是矩形裁剪。 （无论如何，这些都是尚待解决的问题。）

我现在想做的是放大/增大轮廓（绿色）。在这种情况下，我不确定规模和增长是否意味着同一件事，因为当我想到规模时，通常只有一个原点/锚点。随着增长，它是相对于边缘的。我想要这样的东西（在Photoshop中创建）：

因此，在检测到对象/轮廓后，我希望将其按一定的值/比例进行缩放，以便可以修改一些不会影响对象的空间/像素。我该怎么办？

提到的脚本：

# drop an image on this script file
img_path = Path(sys.argv[1])

# open image with Pillow and convert it to RGB if the image is CMYK
img = Image.open(str(img_path))
if img.mode == "CMYK":
    img = ImageCms.profileToProfile(img, "Color Profiles\\USWebCoatedSWOP.icc", "Color Profiles\\sRGB_Color_Space_Profile.icm", outputMode="RGB")

img      = cv2.cvtColor(numpy.array(img), cv2.COLOR_RGB2BGR)
gray     = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
threshed = cv2.threshold(gray, 240, 255, cv2.THRESH_BINARY_INV)[1]
kernel   = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (11,11))
morphed  = cv2.morphologyEx(threshed, cv2.MORPH_CLOSE, kernel)
contours = cv2.findContours(morphed, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[-2]
contour  = sorted(contours, key=cv2.contourArea)[-1]

x, y, w, h = cv2.boundingRect(contour)

final = cv2.drawContours(img, contours, -1, (0,255,0), 2)
cv2.rectangle(final, (x,y), (x+w,y+h), (0,0,255), 2)

cv2.imshow("final", final)
cv2.waitKey(0)
cv2.destroyAllWindows()

---

_{此处张贴的图像按比例缩小，以使问题简短。原始图像和脚本可以在提到的（第一个段落）GitHub页面上找到。}

Answer 1

由于HansHirse的建议（使用形态学膨胀法），我设法使它可行。

$GLOBALS[data]= ""; 
$GLOBALS[update]= "";   

我相信代码很容易理解。输出示例：

完整脚本（再次）可以在show_dilated_contours.py

找到

更新
作为奖励，后来我想平滑轮廓。我遇到过这个blog post，作者在其中讨论了如何平滑形状的边缘（在Photoshop中）。这个想法非常简单，也可以在OpenCV中应用以平滑轮廓。步骤是：

1. 根据轮廓（或形状）创建蒙版
2. 模糊蒙版
3. 为模糊蒙版设置阈值（现在，我们的蒙版比第1步中的蒙版更平滑）
4. 再次在模糊+阈值图像上找到轮廓。由于遮罩/形状更平滑，所以轮廓会更平滑。

示例代码和输出：

img_path = Path(sys.argv[1])

def cmyk_to_rgb(cmyk_img):
    img = Image.open(cmyk_img)
    if img.mode == "CMYK":
        img = ImageCms.profileToProfile(img, "Color Profiles\\USWebCoatedSWOP.icc", "Color Profiles\\sRGB_Color_Space_Profile.icm", outputMode="RGB")
    return cv2.cvtColor(numpy.array(img), cv2.COLOR_RGB2BGR)

def cv_threshold(img, thresh=128, maxval=255, type=cv2.THRESH_BINARY):
    if len(img.shape) == 3:
        img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    threshed = cv2.threshold(img, thresh, maxval, type)[1]
    return threshed

def find_contours(img, to_gray=None):
    kernel   = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (11,11))
    morphed  = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)
    contours = cv2.findContours(morphed, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    return contours[-2]

def mask_from_contours(ref_img, contours):
    mask = numpy.zeros(ref_img.shape, numpy.uint8)
    mask = cv2.drawContours(mask, contours, -1, (255,255,255), -1)
    return cv2.cvtColor(mask, cv2.COLOR_BGR2GRAY)

def dilate_mask(mask, kernel_size=10):
    kernel  = numpy.ones((kernel_size,kernel_size), numpy.uint8)
    dilated = cv2.dilate(mask, kernel, iterations=1)
    return dilated

def draw_contours(src_img, contours):
    canvas = cv2.drawContours(src_img.copy(), contours, -1, (0,255,0), 2)
    x, y, w, h = cv2.boundingRect(contours[-1])
    cv2.rectangle(canvas, (x,y), (x+w,y+h), (0,0,255), 2)
    return canvas

orig_img      = cmyk_to_rgb(str(img_path))
orig_threshed = cv_threshold(orig_img, 240, type=cv2.THRESH_BINARY_INV)
orig_contours = find_contours(orig_threshed)
orig_mask     = mask_from_contours(orig_img, orig_contours)
orig_output   = draw_contours(orig_img, orig_contours)

dilated_mask     = dilate_mask(orig_mask, 50)
dilated_contours = find_contours(dilated_mask)
dilated_output   = draw_contours(orig_img, dilated_contours)

cv2.imshow("orig_output", orig_output)
cv2.imshow("dilated_output", dilated_output)

cv2.waitKey(0)
cv2.destroyAllWindows()

位于show_smooth_contours.py的完整代码。