使用python获取图像中形状的轮廓（x，y）坐标

Question

我需要用python获得一个矩阵，其中包含下图的轮廓坐标（x，y）。

我尝试使用opencv canny探测器并找到轮廓，但我得到了很多轮廓，我不知道如何得到我想要的那个。

import numpy as np
from matplotlib import pyplot as plt
import cv2
#from skimage import measure, feature, io
#from skimage import img_as_ubyte

x1 = 330
xf = 690
y1 = 0
yf = 400

img = cv2.imread('test.tif')
img = img[y1:yf, x1:xf]
edge = cv2.Canny(img, 100, 200)

image, contours, hierarchy = cv2.findContours(edge, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)

我只需要一个具有轮廓（x，y）坐标的数组。 我认为它是在cv2.findContours()的轮廓输出中，但我没有找到我想要的轮廓...

我也试过matplotlib.pyplot.contour函数：

import cv2
import numpy as np
from matplotlib import pyplot as plt

img = cv2.imread('test.tif', 0) # read image
img = cv2.threshold(img, 0, 255, cv2.THRESH_OTSU)[1] # threshold image
img = cv2.medianBlur(img, 15)  # remove noise

# skeletonize 
size = np.size(img)  # get number of pixels
skel = np.zeros(img.shape, np.uint8) # create an array of zeros with the same shape as the image and 256 gray levels

element = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (3, 3)) # create a structurant element (cross)
done = False

while(not done):
    eroded = cv2.erode(img, element)
    temp = cv2.dilate(eroded, element)
    temp = cv2.subtract(img, temp)
    skel = cv2.bitwise_or(skel, temp)
    img = eroded.copy()
    zeros = size - cv2.countNonZero(img)
    if zeros == size:
        done = True

cs = plt.contour(skel, 1)
p = cs.collections[0].get_paths()[0]
v = p.vertices
x = v[:, 0]
y = v[:, 1]

但我只是关闭了轮廓而不是从图像的左侧到右侧的开放轮廓。

非常感谢你的回答。

Answer 1

你几乎找到了问题的答案。 首先， 边缘检测和轮廓检测之间存在差异。 从根本上说，边缘检测会导致您所谓的（不正确）“开放轮廓”（即边缘），并且轮廓检测会产生您所谓的“闭合轮廓”（即轮廓）。

Canny边缘检测是一种流行的边缘检测算法。 由于您希望以图像形式检测边缘，其中（x，y）坐标从图像的左侧到右侧，Canny边缘检测是个好主意。

答案是edge ，不是想要的格式。

import numpy as np
import matplotlib.pyplot as plt
import cv2

img = cv2.imread('test.tif')
edge = cv2.Canny(img, 100, 200)

ans = []
for y in range(0, edge.shape[0]):
    for x in range(0, edge.shape[1]):
        if edge[y, x] != 0:
            ans = ans + [[x, y]]
ans = np.array(ans)

print(ans.shape)
print(ans[0:10, :])

数组ans （形状等于(n, 2) ）存储构成检测到的边缘的n像素的（x，y）坐标。 这是您正在寻找的结果。

这是一张图像，我用白色绘制了这n像素：

我希望这能帮到您。