回答此问题可获得 20 贡献值,回答如果被采纳可获得 50 分。
<p>使用<code>cv2.findContours()</code>可以创建“稀疏”(链近似为简单)或“完整”(链约为无)的轮廓。如何将“稀疏”轮廓转换为“完整”轮廓?在</p>
<p>我没有我的轮廓的源图像(形状是已知的),只有轮廓,他们是“稀疏的”(链约_简单)。从这个“稀疏”表示,我想解决“全”(链约_无)表示,以便我可以使用它来访问其他图像的轮廓强度。在</p>
<p>我的临时解决方案(参见代码片段)是使用<code>cv2.drawContours()</code>,它从“稀疏”轮廓表示中提取所有轮廓像素。结果是一个图像,我可以从结果图像中提取索引,例如使用<code>np.argwhere()</code>。在</p>
<p>但是,考虑到{<cd2>}在绘制结果图像之前可能已经在内部拥有了这些索引,这一额外步骤似乎有点不必要。我想我想要的是一个没有绘图部分的<code>cv2.drawContours()</code>的变体,或者一个输出“完整”轮廓表示而不是图像的选项。在</p>
<p>我的临时解决方案的另一个问题是它不能保持原始轮廓点的顺序。我想知道<code>cv2.drawContours()</code>是否能够在将结果展平为图像之前在内部重新创建完整、有效的轮廓?在</p>
<p>opencv中的其他函数是否提供了此功能,这些函数可能是<code>cv2.drawContours()</code>内部使用的一个更基本的函数?在</p>
<pre class="lang-py prettyprint-override"><code>import numpy as np
import cv2
# shape (Y,X)
shape = np.array((5, 5))
# sparse contour (X,Y)
sparse_contours = [np.array(
[[[1, 0]],
[[1, 4]],
[[3, 4]],
[[3, 0]]], dtype=np.int32)]
def full_contour_from_contour(shape, contour):
# switch shape from y,x to x,y
shp = shape[[1,0]]
arr = np.zeros(shp, dtype=np.int32)
cv2.drawContours(arr, [contour], 0, 1, 1)
idx = np.argwhere(arr==1)
# reorder Y,X -> X,Y
idx = idx[:, [1, 0]]
# reshape to contour layout
rows, cols = idx.shape
idx = idx.reshape(rows, 1, cols)
return idx.astype(np.int32)
full_contour = full_contour_from_contour(shape, sparse_contour)
# output
# these are correct pixels, with pixels in sparse contour also
# part of the full contour. However, the full contour is not
# necessarily correct or even valid due to
# lost information regarding point sequence along the contour)
[[[1 0]]
[[2 0]]
[[3 0]]
[[1 1]]
[[3 1]]
[[1 2]]
[[3 2]]
[[1 3]]
[[3 3]]
[[1 4]]
[[2 4]]
[[3 4]]]
</code></pre>