在 Python 中使用 OpenCV 访问轮廓边界内的像素值

Question

我在 Python 2.7.9 上使用 OpenCV 3.0.0。我正在尝试在具有静止背景的视频中跟踪一个对象，并估计它的一些属性。由于图像中可能有多个移动对象，因此我希望能够区分它们并在视频的剩余帧中单独跟踪它们。

我认为可以做到这一点的一种方法是将图像转换为二进制，获取 blob（在本例中为被跟踪对象）的轮廓并获取对象边界的坐标。然后我可以转到灰度图像中的这些边界坐标，获取由该边界包围的像素强度，并在其他帧中跟踪此颜色渐变/像素强度。这样，我可以将两个对象彼此分开，这样它们就不会被视为下一帧中的新对象。

我有轮廓边界坐标，但我不知道如何检索该边界内的像素强度。有人可以帮我吗？

谢谢！

Answer 1

使用我们的 cmets，您可以创建一个 numpy 数组列表，其中每个元素是描述每个对象轮廓内部的强度。具体来说，对于每个轮廓，创建一个填充轮廓内部的二进制掩码，找到填充对象的(x,y) 坐标，然后索引到您的图像并获取强度。

我不知道您是如何设置代码的，但我们假设您有一张名为img 的灰度图像。您可能需要将图像转换为灰度图像，因为cv2.findContours 适用于灰度图像。有了这个，正常拨打cv2.findContours：

import cv2
import numpy as np

#... Put your other code here....
#....

# Call if necessary
#img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# Call cv2.findContours
contours,_ = cv2.findContours(img, cv2.RETR_LIST, cv2.cv.CV_CHAIN_APPROX_NONE)

contours 现在是 3D numpy 数组的列表，其中每个数组的大小为 N x 1 x 2，其中 N 是每个对象的轮廓点总数。

因此，您可以像这样创建我们的列表：

# Initialize empty list
lst_intensities = []

# For each list of contour points...
for i in range(len(contours)):
    # Create a mask image that contains the contour filled in
    cimg = np.zeros_like(img)
    cv2.drawContours(cimg, contours, i, color=255, thickness=-1)

    # Access the image pixels and create a 1D numpy array then add to list
    pts = np.where(cimg == 255)
    lst_intensities.append(img[pts[0], pts[1]])

对于每个轮廓，我们创建一个空白图像，然后在该空白图像中绘制填充轮廓。您可以通过将thickness 参数指定为-1 来填充轮廓占据的区域。我将轮廓的内部设置为 255。之后，我们使用numpy.where 来查找数组中符合特定条件的所有行和列位置。在我们的例子中，我们想要找到等于 255 的值。之后，我们使用这些点来索引我们的图像，以获取轮廓内部的像素强度。

lst_intensities 包含一维numpy 数组列表，其中每个元素为您提供属于每个对象轮廓内部的强度。要访问每个数组，只需执行lst_intensities[i]，其中i 是您要访问的轮廓。

Answer 2

@rayryeng 的回答非常好！

我的实现中的一件小事是： np.where() 返回一个元组，其中包含一个行索引数组和一个列索引数组。所以，pts[0] 包含row indices 的列表，对应于图像的高度，pts[1] 包含column indices 的列表，对应于图像的宽度。 img.shape 返回 (rows, cols, channels)。所以我觉得应该是img[pts[0], pts[1]]把img后面的ndarray切片。

Answer 3

很抱歉，我无法在第一个正确答案中将此作为评论添加，因为我没有足够的声誉来这样做。

实际上，上面的漂亮代码有一点改进： 我们可以跳过获取点的行，因为灰度图像和 np.zeros 临时图像具有相同的形状，我们可以直接在括号内使用“位置”。像这样的：

# (...) opening image, converting into grayscale, detect contours (...)
intensityPer = 0.15
for c in contours:
    temp = np.zeros_like(grayImg)
    cv2.drawContours(temp, [c], 0, (255,255,255), -1)
    if np.mean(grayImg[temp==255]) > intensityPer*255:
        pass # here your code

通过这个样本，我们确保轮廓内区域的平均强度至少是最大强度的 15%