使用Python和OpenCV检测图像中的物体并将物体裁剪下来


Posted in Python onOctober 30, 2019

介绍

硕士阶段的毕设是关于昆虫图像分类的,代码写到一半,上周五导师又给我新的昆虫图片数据集了,新图片中很多图片很大,但是图片中的昆虫却很小,所以我就想着先处理一下图片,把图片中的昆虫裁剪下来,这样除去大部分无关背景,应该可以提高识别率。

原图片举例(将红色矩形框部分裁剪出来)):

使用Python和OpenCV检测图像中的物体并将物体裁剪下来

step1:加载图片,转成灰度图

image = cv2.imread("353.jpg")
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

step2:用Sobel算子计算x,y方向上的梯度,之后在x方向上减去y方向上的梯度,通过这个减法,我们留下具有高水平梯度和低垂直梯度的图像区域。

gradX = cv2.Sobel(gray, ddepth=cv2.cv.CV_32F, dx=1, dy=0, ksize=-1)
gradY = cv2.Sobel(gray, ddepth=cv2.cv.CV_32F, dx=0, dy=1, ksize=-1)

# subtract the y-gradient from the x-gradient
gradient = cv2.subtract(gradX, gradY)
gradient = cv2.convertScaleAbs(gradient)

执行完这一步,得到的图像如下:

使用Python和OpenCV检测图像中的物体并将物体裁剪下来

step3:去除图像上的噪声。首先使用低通滤泼器平滑图像(9 x 9内核),这将有助于平滑图像中的高频噪声。低通滤波器的目标是降低图像的变化率。如将每个像素替换为该像素周围像素的均值。这样就可以平滑并替代那些强度变化明显的区域。

然后,对模糊图像二值化。梯度图像中不大于90的任何像素都设置为0(黑色)。 否则,像素设置为255(白色)。

# blur and threshold the image
blurred = cv2.blur(gradient, (9, 9))
(_, thresh) = cv2.threshold(blurred, 90, 255, cv2.THRESH_BINARY)

执行完这一步,得到的图像如下:

使用Python和OpenCV检测图像中的物体并将物体裁剪下来

step4:在上图中我们看到蜜蜂身体区域有很多黑色的空余,我们要用白色填充这些空余,使得后面的程序更容易识别昆虫区域,这需要做一些形态学方面的操作。

kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (25, 25))
closed = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, kernel)

处理之后的图像如下:

使用Python和OpenCV检测图像中的物体并将物体裁剪下来

step5:从上图我们发现图像上还有一些小的白色斑点,这会干扰之后的昆虫轮廓的检测,要把它们去掉。分别执行4次形态学腐蚀与膨胀。

# perform a series of erosions and dilations
closed = cv2.erode(closed, None, iterations=4)
closed = cv2.dilate(closed, None, iterations=4)

执行完这步,得到的图形如下:

使用Python和OpenCV检测图像中的物体并将物体裁剪下来

step6:找出昆虫区域的轮廓。cv2.findContours()函数第一个参数是要检索的图片,必须是为二值图,即黑白的(不是灰度图),所以读取的图像要先转成灰度的,再转成二值图,我们在第三步用cv2.threshold()函数已经得到了二值图。第二个参数表示轮廓的检索模式,有四种:

  • cv2.RETR_EXTERNAL表示只检测外轮廓
  • cv2.RETR_LIST检测的轮廓不建立等级关系
  • cv2.RETR_CCOMP建立两个等级的轮廓,上面的一层为外边界,里面的一层为内孔的边界信息。如果内孔内还有一个连通物体,这个物体的边界也在顶层。
  • cv2.RETR_TREE建立一个等级树结构的轮廓。

第三个参数为轮廓的近似方法

  • cv2.CHAIN_APPROX_NONE存储所有的轮廓点,相邻的两个点的像素位置差不超过1,即max(abs(x1-x2),abs(y2-y1))==1
  • cv2.CHAIN_APPROX_SIMPLE压缩水平方向,垂直方向,对角线方向的元素,只保留该方向的终点坐标,例如一个矩形轮廓只需4个点来保存轮廓信息

cv2.findContours()函数返回两个值,一个是轮廓本身,还有一个是每条轮廓对应的属性。cv2.findContours()函数返回第一个值是list,list中每个元素都是图像中的一个轮廓,用numpy中的ndarray表示。每一个ndarray里保存的是轮廓上的各个点的坐标。我们把list排序,点最多的那个轮廓就是我们要找的昆虫的轮廓。
OpenCV中通过cv2.drawContours在图像上绘制轮廓。

  • 第一个参数是指明在哪幅图像上绘制轮廓
  • 第二个参数是轮廓本身,在Python中是一个list
  • 第三个参数指定绘制轮廓list中的哪条轮廓,如果是-1,则绘制其中的所有轮廓
  • 第四个参数是轮廓线条的颜色
  • 第五个参数是轮廓线条的粗细

cv2.minAreaRect()函数:
主要求得包含点集最小面积的矩形,这个矩形是可以有偏转角度的,可以与图像的边界不平行。

(cnts, _) = cv2.findContours(closed.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
c = sorted(cnts, key=cv2.contourArea, reverse=True)[0]

# compute the rotated bounding box of the largest contour
rect = cv2.minAreaRect(c)
box = np.int0(cv2.cv.BoxPoints(rect))

# draw a bounding box arounded the detected barcode and display the image
cv2.drawContours(image, [box], -1, (0, 255, 0), 3)
cv2.imshow("Image", image)
cv2.imwrite("contoursImage2.jpg", image)
cv2.waitKey(0)

执行完这步得到的图形如下:

使用Python和OpenCV检测图像中的物体并将物体裁剪下来

step7:裁剪。box里保存的是绿色矩形区域四个顶点的坐标。我将按下图红色矩形所示裁剪昆虫图像。找出四个顶点的x,y坐标的最大最小值。新图像的高=maxY-minY,宽=maxX-minX。

使用Python和OpenCV检测图像中的物体并将物体裁剪下来

Xs = [i[0] for i in box]
Ys = [i[1] for i in box]
x1 = min(Xs)
x2 = max(Xs)
y1 = min(Ys)
y2 = max(Ys)
hight = y2 - y1
width = x2 - x1
cropImg = image[y1:y1+hight, x1:x1+width]

裁剪出的图片如下:

使用Python和OpenCV检测图像中的物体并将物体裁剪下来

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持三水点靠木。

Python 相关文章推荐
python中self原理实例分析
Apr 30 Python
Python根据区号生成手机号码的方法
Jul 08 Python
python入门:这篇文章带你直接学会python
Sep 14 Python
Python读取mat文件,并保存为pickle格式的方法
Oct 23 Python
python实现简单名片管理系统
Nov 30 Python
Python中GeoJson和bokeh-1的使用讲解
Jan 03 Python
利用Django提供的ModelForm增删改数据的方法
Jan 06 Python
对python:threading.Thread类的使用方法详解
Jan 31 Python
pytorch 实现张量tensor,图片,CPU,GPU,数组等的转换
Jan 13 Python
matlab中二维插值函数interp2的使用详解
Apr 22 Python
python轮询机制控制led实例
May 03 Python
Python包和模块的分发详细介绍
Jun 19 Python
python基于K-means聚类算法的图像分割
Oct 30 #Python
Python列表原理与用法详解【创建、元素增加、删除、访问、计数、切片、遍历等】
Oct 30 #Python
Python文件路径名的操作方法
Oct 30 #Python
Python元组 tuple的概念与基本操作详解【定义、创建、访问、计数、推导式等】
Oct 30 #Python
解决python 上传图片限制格式问题
Oct 30 #Python
Python字典的概念及常见应用实例详解
Oct 30 #Python
Python集合基本概念与相关操作实例分析
Oct 30 #Python
You might like
php 无限分类的树类代码
2009/12/03 PHP
PHP开发中的错误收集,不定期更新。
2011/02/03 PHP
PHP whois查询类定义与用法示例
2019/04/03 PHP
javascript中的void运算符语法及使用介绍
2013/03/10 Javascript
jQuery中:visible选择器用法实例
2014/12/30 Javascript
jquery实现鼠标滑过显示提示框的方法
2015/02/05 Javascript
Bootstrap Chart组件使用教程
2016/04/28 Javascript
下一代Bootstrap的5个特点 超酷炫!
2016/06/17 Javascript
jQuery树形插件jquery.simpleTree.js用法分析
2016/09/05 Javascript
JS中用try catch对代码运行的性能影响分析
2016/12/26 Javascript
JS实现多张图片预览同步上传功能
2017/06/23 Javascript
基于jQuery实现图片推拉门动画效果的两种方法
2017/08/26 jQuery
详解vue中router-link标签所必备了解的属性
2019/04/15 Javascript
详解python上传文件和字符到PHP服务器
2017/11/24 Python
Linux-ubuntu16.04 Python3.5配置OpenCV3.2的方法
2018/04/02 Python
python绘制中国大陆人口热力图
2018/11/07 Python
解决pyttsx3无法封装的问题
2018/12/24 Python
pymongo中聚合查询的使用方法
2019/03/22 Python
在交互式环境中执行Python程序过程详解
2019/07/12 Python
django迁移数据库错误问题解决
2019/07/29 Python
Tensorflow 多线程与多进程数据加载实例
2020/02/05 Python
Pyspark读取parquet数据过程解析
2020/03/27 Python
Python计算信息熵实例
2020/06/18 Python
一篇文章搞懂python的转义字符及用法
2020/09/03 Python
Python Unittest原理及基本使用方法
2020/11/06 Python
Python约瑟夫生者死者小游戏实例讲解
2021/01/04 Python
蔻驰意大利官网:COACH意大利
2019/01/16 全球购物
最热门的自我评价
2013/12/30 职场文书
结婚典礼证婚词
2014/01/11 职场文书
2014年财政工作总结
2014/12/10 职场文书
小学生家长意见
2015/06/03 职场文书
超级礼物观后感
2015/06/15 职场文书
Go各时间字符串使用解析
2021/04/02 Golang
python自动化测试通过日志3分钟定位bug
2021/11/20 Python
SQL bool盲注和时间盲注详解
2022/07/23 SQL Server
华为HarmonyOS3.0强在哪? 看看鸿蒙3.0这7个小功能
2023/01/09 数码科技