本文主要介绍了python opencv 找出图像中的最大轮廓并填充,分享给大家,具体如下:
- import cv2
- import numpy as np
- from PIL import Image
- from joblib import Parallel
- from joblib import delayed
- # Parallel 和 delayed是为了使用多线程处理
- # 使用前需要安装joblib:pip install joblib
- # img_stack的shape为:num, h, w
- # 是三维的图像,可以理解为是num张二维的图像组成
- # mask是用来保存最后的结果的
- mask = np.ones_like(img_stack)
- for i in range(num):
- # 阈值化
- _, binaryzation = cv2.threshold(img_stack[i], 5, 255, cv2.THRESH_BINARY_INV)
- # 找到所有的轮廓
- contours, _ = cv2.findContours(binaryzation, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
- area = []
- # 找到最大的轮廓
- for k in range(len(contours)):
- area.append(cv2.contourArea(contours[k]))
- max_idx = np.argmax(np.array(area))
- # cv2.fillContexPoly(mask[i], contours[max_idx], 0)
- # 填充最大的轮廓
- cv2.drawContours(mask[i], contours, max_idx, 0, cv2.FILLED)
- del area
- # 保存
- def _write_mask(mask, i):
- Image.fromarray(mask.astype(np.uint8)*255).save(os.path.join(path, 'm%d.png' % i))
- # 使用多线程进行保存
- num_cores = 10
- parallel = Parallel(n_jobs=num_cores, backend='threading')
- parallel(delayed(_write_mask)(mask[i, :, :], i) for i in range(0, num))
之前偷懒直接将项目里面的代码段扣下来放在这里,误导了大家,抱歉
这次我重新放一个完整版本,希望对大家有所帮助~~
代码在python 3.7.6 和opencv-python 4.3.0下测试成功
- import cv2
- import numpy as np
- # 以灰度方式读取图像
- img = cv2.imread('img.png', cv2.IMREAD_GRAYSCALE)
- mask = img.copy()
- # 二值化,100为阈值,小于100的变为255,大于100的变为0
- # 也可以根据自己的要求,改变参数:
- # cv2.THRESH_BINARY
- # cv2.THRESH_BINARY_INV
- # cv2.THRESH_TRUNC
- # cv2.THRESH_TOZERO_INV
- # cv2.THRESH_TOZERO
- _, binaryzation = cv2.threshold(img, 100, 255, cv2.THRESH_BINARY_INV)
- # 找到所有的轮廓
- contours, _ = cv2.findContours(binaryzation, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
- area = []
- # 找到最大的轮廓
- for k in range(len(contours)):
- area.append(cv2.contourArea(contours[k]))
- max_idx = np.argmax(np.array(area))
- # 填充最大的轮廓
- mask = cv2.drawContours(mask, contours, max_idx, 0, cv2.FILLED)
- # 保存填充后的图像
- cv2.imwrite('masked.png', mask)
输入图像:
输出图像:
到此这篇关于python opencv 找出图像中的最大轮廓并填充(生成mask)的文章就介绍到这了,更多相关opencv最大轮廓内容请搜索服务器之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持服务器之家!
原文链接:https://blog.csdn.net/qq_33757398/article/details/96174768