图像轮廓提取Python实现

最新推荐文章于 2025-04-23 09:09:20 发布

MATLAB算法工程师Y

最新推荐文章于 2025-04-23 09:09:20 发布

阅读量788

点赞数 8

文章标签： python 开发语言

本文链接：https://blog.youkuaiyun.com/weixin_31268759/article/details/145946071

版权

1. 核心概念

(1) 什么是轮廓？

定义：图像中连续像素点的闭环，用于描述物体形状边界

与边缘的区别：

特征	轮廓（Contour）	边缘（Edge）
连续性	闭合或开放的区域边界	单像素宽度、可能存在断裂
数据结构	按顺序存储的点的集合	二值化的梯度响应图像
应用场景	物体计数、形状分析	初步定位物体位置

(2) 典型应用场景

工业检测：计算零件尺寸、检测形状完整性
自动驾驶：识别道路边界、车道线
生物医学：细胞计数、病灶区域标记

2. 轮廓提取流程
核心步骤：

预处理：去噪 + 二值化 → 减少干扰
轮廓发现：通过边界追踪算法提取轮廓
轮廓筛选：根据面积、长宽比等过滤无用轮廓
可视化与分析：绘制轮廓、提取几何特征

3. 应用实例：交互式轮廓筛选工具

import cv2
import numpy as np

def update_threshold(val):
    # 动态调整面积阈值
    min_area = cv2.getTrackbarPos("Min Area", "Contour Demo")

    # 重新提取并绘制轮廓
    display = img.copy()
    for cnt in contours:
        if cv2.contourArea(cnt) > min_area:
            cv2.drawContours(display, [cnt], -1, (0, 255, 0), 2)
    cv2.imshow("Contour Demo", display)

# 初始化
try:
    # 读取图像
    img_path = "8.tif"
    img = cv2.imread(img_path)

    # 检查图像是否成功读取
    if img is None:
        print(f"无法读取图像，请检查文件路径 '{img_path}' 是否正确。")
    else:
        # 预处理步骤生成 contours
        # 转换为灰度图像
        gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
        # 高斯模糊以减少噪声
        blurred = cv2.GaussianBlur(gray, (5, 5), 0)
        # 二值化处理
        _, binary = cv2.threshold(blurred, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
        # 查找轮廓
        contours, _ = cv2.findContours(binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

        # 创建窗口和滑动条
        cv2.namedWindow("Contour Demo")
        cv2.createTrackbar("Min Area", "Contour Demo", 10, 5000, update_threshold)
        # 初始显示
        update_threshold(0)

        # 等待用户按下任意键
        cv2.waitKey(0)
        # 关闭所有 OpenCV 窗口
        cv2.destroyAllWindows()

except Exception as e:
    print(f"发生错误: {e}")

交互功能：

滑动条实时过滤小于设定面积的轮廓
显示符合条件的主要物体轮廓

6. 常见问题与解决方案

问题现象	可能原因	解决办法
无法提取目标轮廓	预处理阈值过高/过低	调整二值化参数，增加形态学操作
轮廓断裂不连续	光照不均匀/噪声干扰	改进去噪，使用闭运算闭合边缘
提取到过多细小轮廓	未过滤小面积区域	添加面积/周长筛选项