查找图像中红色像素的坐标

Question

Input picture

上面的图片是我正在使用的示例输入，我想找到该图像中所有红色像素的坐标并将其存储在一个列表中，然后，稍后迭代该列表并围绕每个我们使用 OpenCV 的 cv2.circle 函数在图像中找到的坐标。我正在执行以下操作：

coord = []

for i in range(img.shape[0]):
    for j in range(img.shape[1]):
        if img[i,j,0]!=0 and img[i,j,1]!=0 and img[i,j,2]!=255:
            img[i,j,0]=0
            img[i,j,1]=0
            img[i,j,2]=0
        else:
            img[i,j,0]=0
            img[i,j,1]=0
            img[i,j,2]=255  
            coord.append([i,j])

for l in range(len(coord)):
    px=coord[l][0]
    py=coord[l][1]
    cv2.circle(img,(px,py),5,(0,255,255),1)

但执行上述操作并不是在所有坐标上都画一个圆圈。我猜坐标的存储和访问它们有问题。谁能指出错误并帮助我。

I am getting the following output which isn't correct

Answer 1

这里的主要问题是，当写回这些圆圈时，您的 px 和 py 被调换了。你必须这样做(py, px)。

但是，此外，为了更快地找到红色像素（在我的机器上快 135 倍！），请结合使用

• cv2.inRange（生成二值掩码图，匹配像素为1，不匹配为0）
• np.argwhere（返回值为非零的矩阵的索引）

import cv2
import numpy as np

img = cv2.imread("RvegM.png")
red_pixels = np.argwhere(cv2.inRange(img, (0, 0, 250), (0, 0, 255)))
for px, py in red_pixels:
    cv2.circle(img, (py, px), 5, (0, 255, 255), 1)
cv2.imwrite("out.png", img)

out.png 最终看起来像这样：

Answer 2

for 循环让您整天都在那儿！使用环形内核进行形态卷积会快几英里。我可以在 ImageMagick 中向您展示如何快速做到这一点，但您也可以使用 OpenCV 做到这一点。

这是基本命令：

magick stars.png -morphology convolve ring:3.5,4.5 result.png

我将再次运行它，这一次，请 ImageMagick 向我展示内核 - 希望你能看到 1 形成一个内半径为 3.5 像素、外半径为 4.5 像素的环：

convert stars.png -define morphology:showkernel=1 -morphology convolve ring:3.5,4.5 result.png

输出

Kernel "Ring" of size 9x9+4+4 with values from 1 to 1
Forming a output range from 0 to 32 (Sum 32)
 0: nan     nan       1       1       1       1       1     nan     nan
 1: nan       1       1     nan     nan     nan       1       1     nan
 2:   1       1     nan     nan     nan     nan     nan       1       1
 3:   1     nan     nan     nan     nan     nan     nan     nan       1
 4:   1     nan     nan     nan     nan     nan     nan     nan       1
 5:   1     nan     nan     nan     nan     nan     nan     nan       1
 6:   1       1     nan     nan     nan     nan     nan       1       1
 7: nan       1       1     nan     nan     nan       1       1     nan
 8: nan     nan       1       1       1       1       1     nan     nan

Anthony Thyssen here 对形态学的迷人主题及其工作原理进行了出色的描述。

---

这是相同技术的 OpenCV Python 版本：

#!/usr/bin/env python3

import cv2
from skimage.draw import circle_perimeter
import numpy as np

# Load image
im = cv2.imread('stars.png')

# Ring shape structuring element 9x9 with a central circle radius 4 of 1s
selem = np.zeros((9, 9), dtype=np.uint8)
rr, cc = circle_perimeter(4, 4, 4)
selem[rr, cc] = 1

# Do the morphology just on red channel
dilated = cv2.dilate(im[...,2], selem, iterations=1)

# Put modified red channel back into original image and save
im[:,:,2] = dilated
cv2.imwrite('result.png', im)

结果同上。

Answer 3

你的条件写得不好。首先，最好在一个范围内搜索，如果像素值

对于红色，我们可以检查 B 和 G 通道的值是否小于 220。

coord = []

for i in range(img.shape[0]):
    for j in range(img.shape[1]):
        if img[i,j,0]<10 and img[i,j,1]<10 and img[i,j,2]>220:
            img[i,j,0]=0
            img[i,j,1]=0
            img[i,j,2]=255
            coord.append([i,j])
        else:
            img[i,j,0]=0
            img[i,j,1]=0
            img[i,j,2]=0

for l in range(len(coord)):
    px=coord[l][0]
    py=coord[l][1]
    cv2.circle(img,(py,px),5,(0,255,255),1)