【深度好文】Python图像处理之目标物体轮廓提取

1 引言

目标物体的边缘对图像识别和计算机分析十分有用。边缘可以勾画出目标物体，使观察者一目了然；边缘蕴含了丰富的内在信息（如方向、形状等），是图像识别中抽取图像特征的重要属性。轮廓提取是边界分割中非常重要的一种处理，同时也是图像处理的经典难题，轮廓提取和轮廓跟踪的目的都是获得图像的外部轮廓特征。

2 原理

二值图像的轮廓提取的原理非常简单，就是掏空内部点：如果原图中有一点为黑，且它的8个相邻点皆为黑色，则将该点删除。对于非二值图像，需要先进行二值化处理。轮廓提取的方法有很多，在这里我们介绍一种最基本、最简单容易实现的算法。算法原理如下：

• 在进行轮廓提取时，使用一个一维数组，用来记录处理的像素点的周围8邻域的信息
• 若8个邻域的像素点的灰度值和中心点的灰度值相同，则认为该点在物体的内部，可以删除；
• 否则，认为该点在图像的边缘，需要保留。
• 依次处理图像中每一个像素，则最后留下来的就是图像的轮廓。

3 Python实现

1. 读入彩色图像

img_name = "./20210808/sample3.png"
img = cv2.imread(img_name)

结果如下：

2) 彩色图像灰度化

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

结果如下：

3）二值化

def get_binary_img(img):
    # gray img to bin image
    bin_img = np.zeros(shape=(img.shape), dtype=np.uint8)
    h = img.shape[0]
    w = img.shape[1]
    for i in range(h):
        for j in range(w):
            bin_img[i][j] = 255 if img[i][j] > 127 else 0
    return bin_img
# 调用
bin_img = get_binary_img(gray_img)

结果如下：

4）提取轮廓
参考上述原理，进行实现，代码如下：

def get_contour(bin_img):
    # get contour
    contour_img = np.zeros(shape=(bin_img.shape),dtype=np.uint8)
    contour_img += 255
    h = bin_img.shape[0]
    w = bin_img.shape[1]
    for i in range(1,h-1):
        for j in range(1,w-1):
            if(bin_img[i][j]==0):
                contour_img[i][j] = 0
                sum = 0
                sum += bin_img[i - 1][j + 1]
                sum += bin_img[i][j + 1]
                sum += bin_img[i + 1][j + 1]
                sum += bin_img[i - 1][j]
                sum += bin_img[i + 1][j]
                sum += bin_img[i - 1][j - 1]
                sum += bin_img[i][j - 1]
                sum += bin_img[i + 1][j - 1]
                if sum ==  0:
                    contour_img[i][j] = 255

    return contour_img
# 调用    
contour_img = get_contour(bin_img)

结果如下：

4 总结

通过上述简单步骤，我们实现了物体轮廓提取，相应的处理效果如下：

上图中 左侧为原图，右侧为我们提取的物体轮廓图。