从精巧边缘获取边界并删除图像背景

Question

我正在尝试删除试图训练神经网络的图像背景。使用此处介绍的方法（augment the module）运气不佳，但是我已经能够使用Canny Edge Detector来获取图像中对象的半良好“边界”。我正在运行的继承人代码

import cv2 as cv, sys, numpy as np, PIL.Image, matplotlib.pylab as plt

# read command-line arguments
filename = '/Users/colew/Desktop/Good_Cups_Frames/frame_IMG_2057.MOV_0.jpg'

img = cv.imread(filename,0)
edges = cv.Canny(img,25,200)
plt.subplot(121),plt.imshow(img,cmap = 'gray')
plt.title('Original Image'), plt.xticks([]), plt.yticks([])
plt.subplot(122),plt.imshow(edges,cmap = 'gray')
plt.title('Edge Image'), plt.xticks([]), plt.yticks([])
plt.savefig("pic")
plt.show()

和得到的图像是

How do I remove the background from this kind of image?

因此，我正在寻找的正是我一种方法来获取Canny边缘的边界，然后从那里在这些边界附近裁剪原始图像。谢谢！

Answer 1

如果我理解正确，则要删除背景并提取对象。除了使用Canny，还有另一种方法。由于您没有提供原始图像，因此我对您的图像进行了屏幕截图以用作输入。通常，有几种方法可以获取用于边界提取的二进制图像。它们包括常规阈值，大津的阈值，自适应阈值和Canny边缘检测。在这种情况下，大津可能是最好的，因为存在背景噪音

---

首先我们将图像转换为灰度，然后执行Otsu的阈值以获得二进制图像

有不需要的部分，因此要移除它们，我们执行变形打开以分离关节

现在，关节已分离，我们找到轮廓并使用轮廓区域进行过滤。我们提取代表所需对象的最大轮廓，然后将该轮廓绘制到蒙版上

我们快到了，但是有瑕疵，所以我们变形以填补孔洞

接下来，我们按位排列-并带有原始图像

最后要获得所需的结果，我们将蒙版上所有黑色像素的颜色都变为白色

从这里开始，您可以使用Numpy切片来提取ROI，但是我不确定您要做什么。我会留给你

import cv2
import numpy as np

image = cv2.imread("1.png")
original = image.copy()
mask = np.zeros(image.shape, dtype=np.uint8)
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)[1]
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5,5))
opening = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, kernel, iterations=3)

cnts = cv2.findContours(opening, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]
cnts = sorted(cnts, key=cv2.contourArea, reverse=True)
for c in cnts:
    cv2.drawContours(mask, [c], -1, (255,255,255), -1)
    break

close = cv2.morphologyEx(mask, cv2.MORPH_CLOSE, kernel, iterations=4)
close = cv2.cvtColor(close, cv2.COLOR_BGR2GRAY)
result = cv2.bitwise_and(original, original, mask=close)
result[close==0] = (255,255,255)

cv2.imshow('result', result)
cv2.waitKey()