Question

我想找到分段岩石的二值图像的轮廓。 opencv的findContours函数存在一些问题。

轮廓大小约为1000，而二进制图像的轮廓可能约为30-50。
当我绘制所有轮廓时，它们似乎很好地代表了二进制图像中的黑色边界。但是，当我只绘制一个随机索引的轮廓时，它显示的轮廓很小。

图像如下：

二进制图像

所有索引的轮廓

随机轮廓索引的轮廓。绿色的小轮廓

我只希望具有与二进制图像相同的轮廓数量。

代码：

std::vector<std::vector<cv::Point>> contours;
std::vector<cv::Vec4i> hierarchy;
cv::findContours(input_image, contours,hierarchy, CV_RETR_CCOMP, CV_CHAIN_APPROX_NONE);
  for( int i = 0; i < (int)contours.size(); i++)
  {

      cv::drawContours(input_rgb_image, contours, 512 , cv::Scalar(0,255,0), 1, 8, hierarchy,1);


  }

Answer 1

您的代码有两个问题。如果对图像进行倒置和模糊处理，将会得到更好的结果。这些是在找到轮廓之前应用了这两个操作之后的结果：

OpenCV findContours()函数可在浅色背景上找到深色轮廓。如果要查找白色空间（即岩石），则需要先反转二进制图像。您可以像这样invertedImage = 255 - binaryImage反转二进制图像。模糊也有帮助，因为它连接了应该连接的像素，但不是因为分辨率较低。使用代码blurredImage = cv2.blur(img, (2,2))进行模糊处理。这是倒置的模糊图像：

这是我使用的代码：

import cv2
import random
# Read image
gray = 255-cv2.imread('/home/stephen/Desktop/image.png', 0)
gray = cv2.blur(gray, (2,2))
# Find contours in image
contours, _ = cv2.findContours(gray, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
print(len(contours))
img = cv2.imread('/home/stephen/Desktop/image.png')
for cnt in contours:
    color = random.randint(0,255),random.randint(0,255),random.randint(0,255)
    img = cv2.drawContours(img, [cnt], 0, color, cv2.FILLED)
cv2.imshow('img', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

Answer 2

我会尝试几件事：

双边过滤器而不是模糊的。它以类似的方式平滑事物进行模糊处理，但也尝试保留边界，这对分割很有用。缺点-计算量大，但您可能会找到免费玩的“您的”参数

更高级的是事后轮廓分析。您可以根据以下条件团结一些邻居：

某些hsv通道上直方图的相似性
轮廓属性，例如圆度。如果两个圆度统一邻居比任何一个国家的圆度都要好，这样他们才能团结起来。像这样的东西。

圆度计算：

float calcRoundness(std::vector<cv::Point> &contour, double area)
{
        float p = cv::arcLength(contour, true);
        if (p == 0)
                return 0;
        float k = (4 * M_PI * area) / pow(p, 2);

        /* 1 is circle, 0.75 - squared area, etc. */
        return k;
}

找到轮廓在模拟图像上找到太多轮廓

2 个答案: