我有数百个 PNG 图像，我必须为其生成相应的黑白图像，以显示对象的外部轮廓。源 PNG 图像具有 alpha 通道，因此图像的“无对象”部分是 100% 透明的。
棘手的部分是，如果对象中有孔，则不应在轮廓中看到这些孔。因此，如果源图像是甜甜圈，则相应的轮廓图像将是一条锯齿状的圆形线，中间没有同心的较小线。
这是一个示例图像、来源及其轮廓：
是否有任何库或命令行工具可以做到这一点？理想情况下，可以从 Python 中使用。
【问题讨论】：
标签： python opencv image-processing imagemagick contour
我发现了一个非常有用的 REST API 用于轮廓跟踪，比使用其他程序更简单。我在一个 ruby 项目中使用了 API，现在也使用了 CURL；效果很好！
有一个演示和 API 文档。 所以我用你的甜甜圈图像作为测试的源图像。唯一的问题是您的图像没有透明的背景颜色。所以我用 Gimp 制作了这个，它有透明背景，你的图像是黑色的。因此，当您使用 matching_not_color=0 调用 API 时，您将引用图像中不是透明颜色的任何部分。
donut image with background transparent color
现在我多次使用 API 进行一些测试。如您所见，您可以获得 JSON 数据（轮廓折线）或内部绘制轮廓的示例图像。所以我用 CURL 来调用这个命令的 API：
curl -v -H "Accept: application/json" -X POST -F "png_image=@rRBal.png" -F "match_not_color=0" -F
"options[compress][linear]=true" -F
"options[compress][visvalingam]=true" -o output.png
http://tracecontour.com/outlines_image
我使用了 match_not_color=0。通过这种方式，我要求考虑任何像素不是背景透明色。结果我得到了这个 png 图像（作为 curl 命令状态的 output.png）。
如您所见，这里的匹配区域是蓝色的。每条外折线为红色，每条内折线为绿色。我使用 visvalingam 选项来获得不太精确的轮廓，但您可以要求最精确的。
如果你这样调用，你会得到坐标为 (x,y) 的 JSON 数据
curl -v -H "Accept: application/json" -X POST -F
"png_image=@rRBal.png" -F "match_not_color=0" -F
"options[compress][linear]=true" -F
"options[compress][visvalingam]=true" http://tracecontour.com/outlines
&> /dev/stdout
在这里您可以获得最精确的结果。这里的命令（没有 visvalingam 选项）：
curl -v -H "Accept: application/json" -X POST -F
"png_image=@rRBal.png" -F "match_not_color=0" -F
"options[compress][linear]=true" -o output.png
http://tracecontour.com/outlines_image
结果就在这里，很精确，很快就能得到
returned api most precise contour
非常有用的 API！
【讨论】：
我同意 amgaera。如果要查找轮廓，Python 中的 OpenCV 是可以使用的最佳工具之一。与他/她的帖子一样，使用findContours 方法并使用RETR_EXTERNAL 标志来获取形状的最外层轮廓。这里有一些可重现的代码来说明这一点。您首先需要安装 OpenCV 和 NumPy 才能进行此操作。
我不确定您使用的是什么平台，但是：
libopencv-dev 和 python-numpy 上执行 apt-get（即 sudo apt-get install libopencv-dev python-numpy）。 brew install opencv 安装，然后通过 brew install numpy 安装。 http://www.lfd.uci.edu/~gohlke/pythonlibs/ - 检查 OpenCV 包并安装它要求的所有依赖项，包括 @987654339 @ 您可以在此页面上找到。无论如何，我拍了你的甜甜圈图像，然后只提取了带有甜甜圈的图像。换句话说，我创建了这个图像：
至于您的图像是 PNG 并具有 alpha 通道，这实际上并不重要。只要您在此图像中只包含一个对象，我们实际上根本不需要访问 Alpha 通道。下载此图像后，将其保存为 donut.png，然后继续运行此代码：
import cv2 # Import OpenCV
import numpy as np # Import NumPy
# Read in the image as grayscale - Note the 0 flag
im = cv2.imread('donut.png', 0)
# Run findContours - Note the RETR_EXTERNAL flag
# Also, we want to find the best contour possible with CHAIN_APPROX_NONE
contours, hierarchy = cv2.findContours(im.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
# Create an output of all zeroes that has the same shape as the input
# image
out = np.zeros_like(im)
# On this output, draw all of the contours that we have detected
# in white, and set the thickness to be 3 pixels
cv2.drawContours(out, contours, -1, 255, 3)
# Spawn new windows that shows us the donut
# (in grayscale) and the detected contour
cv2.imshow('Donut', im)
cv2.imshow('Output Contour', out)
# Wait indefinitely until you push a key. Once you do, close the windows
cv2.waitKey(0)
cv2.destroyAllWindows()
让我们慢慢看代码。首先我们导入 OpenCV 和 NumPy 包。我将 NumPy 导入为 np，如果您到处查看 numpy 文档和教程，他们这样做是为了尽量减少打字。 OpenCV 和 NumPy 相互配合，这就是为什么你需要同时安装这两个包的原因。然后我们使用imread 读取图像。我将标志设置为0 以使图像灰度化以使事情变得简单。一旦我加载了图像，我就运行findContours，这个函数的输出输出了一个包含两个东西的元组：
contours - 这是一个数组结构，可为您提供图像中检测到的每个轮廓的 (x,y) 坐标。hierarchy - 这包含有关您检测到的轮廓的其他信息，例如拓扑，但为了这篇文章，我们跳过它。请注意，我指定了RETR_EXTERNAL 来检测对象的最外层轮廓。我还指定了CHAIN_APPROX_NONE 标志，以确保我们获得完整的轮廓而没有任何近似值。一旦我们检测到轮廓，我们就会创建一个全黑的新输出图像。这将包含我们检测到的甜甜圈外轮廓。创建此图像后，我们运行drawContours 方法。您指定要在其中显示轮廓的图像、之前创建的轮廓结构，并且 -1 标志表示要绘制图像中的所有轮廓。如果一切顺利，您应该只检测到一个轮廓。然后，您指定您希望轮廓看起来像什么颜色。在我们的例子中，我们希望它是白色的。之后，您指定要绘制轮廓的厚度。我选择了 3 像素的厚度。
我们要做的最后一件事是显示结果的样子。我调用imshow 来显示原始甜甜圈图像的外观（灰度）以及输出轮廓的外观。 imshow 不是故事的结局。在调用cv2.waitKey(0) 之前，您不会看到任何输出。现在的意思是你可以无限期地显示图像，直到你按下一个键。按下某个键后，cv2.destroyAllWindows() 调用将关闭所有生成的窗口。
这就是我得到的（一旦你重新排列窗口，使它们并排）：
另外，如果您想保存图像，只需运行imwrite 即可保存图像。您指定要写入的图像的名称以及要访问的变量。因此，您可以执行以下操作：
cv2.imwrite('contour.png', out)
然后您将此轮廓图像保存到名为 contour.png 的文件中。
这应该足以让您入门。
祝你好运！
【讨论】：
我会推荐 ImageMagick，它可以从 here 免费获得。无论如何，它包含在许多 Linux 发行版中。它还提供 Python、Perl、PHP、C/C++ 绑定。
我只是从下面的命令行中使用它。
convert donut.png -channel A -morphology EdgeOut Diamond +channel -fx 'a' -negate output.jpg
基本上，-channel A 选择 alpha（透明度）并应用形态学来提取不透明区域的轮廓。然后+channel 告诉 ImageMagick 我现在再次寻址所有频道。 -fx 是一个自定义函数（运算符），我在其中将输出图像的每个像素设置为 a - 修改后的 Alpha 通道中的 Alpha 值。
已编辑
以下可能比使用上述fx 运算符更快：
convert donut.png -channel RGBA -separate -delete 0-2 -morphology EdgeOut Diamond -negate output.png
结果：
如果您要勾勒出数百（或数千）张图像，我会推荐 GNU Parallel，可从here 获得。然后它将使用您所有的 CPU 内核来快速完成工作。您的命令将如下所示 - 但请先备份并处理副本，直到您掌握它！
parallel convert {} -channel A -morphology EdgeOut Diamond +channel -fx 'a' -negate {.}.jpg ::: *.png
这表示使用::: 之后的所有内容作为要处理的文件。然后并行，使用所有可用的内核，转换每个 PNG 文件并将其名称更改为相应的 JPEG 文件作为输出文件名。
【讨论】：
OpenCV 有一个 findContours 函数，可以完全满足您的需求。您需要将轮廓检索模式设置为CV_RETR_EXTERNAL。要加载图像，请使用 imread 函数。
【讨论】：