获取轮廓内的区域Opencv Python？

Question

我使用了一种自适应阈值技术来创建如下图片：

我使用的代码是：

image = cv2.adaptiveThreshold(image, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV, 45, 0)

然后，我用这个代码得到轮廓：

cnt = cv2.findContours(image, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)[0]

我的目标是使用外部轮廓内的所有像素生成一个遮罩，因此我希望将对象内的所有像素填充为白色。我该怎么做？

我已经尝试了下面的代码来创建一个遮罩，但是生成的遮罩看起来与应用自适应阈值后的图像没有什么不同

mask = np.zeros(image.shape[:2], np.uint8)
cv2.drawContours(mask, cnt, -1, 255, -1)

Answer 1

你所拥有的几乎是正确的。如果您查看阈值图像，它不起作用的原因是您的鞋对象在图像中有间隙。具体地说，你所追求的是，你希望鞋子的周长全部连接起来。如果发生这种情况，那么如果提取最外部的轮廓（这是您的代码所做的），则应该只有一个轮廓表示对象的外部周长。一旦你填充轮廓，那么你的鞋应该是完全固体。

因为你的鞋的周长不完整和破损，这会导致断开白色区域。如果使用findContours查找所有轮廓，它将只查找每个白色形状的轮廓，而不是最外部的周长。因此，如果您尝试使用findContours，它将给出与原始图像相同的结果，因为您只需找到图像中每个白色区域的周长，然后用findContours填充这些区域。

---

您需要做的是确保图像完全关闭。我建议您使用morphology关闭所有断开连接的区域，然后对这个新映像运行findContours调用。具体来说，执行二元形态闭合。这样做的目的是，它将断开连接的白色区域紧密地连接在一起，并确保它们是相互连接的。使用形态上的闭合，或者使用类似于7 x 7正方形的结构元素来闭合鞋子。这个结构元素可以认为是白色区域之间的最小间隔，可以认为它们是相连的。

因此，请执行以下操作：

import numpy as np
import cv2 
image = cv2.imread('...') # Load your image in here
# Your code to threshold
image = cv2.adaptiveThreshold(image, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV, 45, 0)    

# Perform morphology
se = np.ones((7,7), dtype='uint8')
image_close = cv2.morphologyEx(image, cv2.MORPH_CLOSE, se)

# Your code now applied to the closed image
cnt = cv2.findContours(image_close, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)[0]
mask = np.zeros(image.shape[:2], np.uint8)
cv2.drawContours(mask, cnt, -1, 255, -1)

---

这段代码实质上是获取阈值图像，并对该图像应用形态闭合。然后，我们找到这个图像的外部轮廓，并用白色填充它们。FWIW，我下载了你的阈值图像，并尝试了我自己。这就是我从你的照片中得到的：

Answer 2

一个简单的方法是关闭前景中的孔，形成一个具有^{}和cv2.MORPH_CLOSE的单轮廓

现在外部轮廓被填充，我们可以用cv2.findContours()找到外部轮廓，并使用^{}用白色填充所有像素

import cv2

# Load in image, convert to grayscale, and threshold
image = cv2.imread('1.png')
gray = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)
thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)[1]

# Close contour
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (7,7))
close = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, kernel, iterations=1)

# Find outer contour and fill with white
cnts = cv2.findContours(close, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]
cv2.fillPoly(close, cnts, [255,255,255])

cv2.imshow('close', close)
cv2.waitKey()