如何使用OpenCV从底部填充图像直到检测到边缘？

Question

我的目标是能够使用OpenCV 3复制此链接中显示的避障方法。似乎他们提供的软件仅适用于Windows。 我认为可以使用OpenCV复制。 我目前正在使用Canny边缘检测进行第2步。 我不确定我可以使用什么功能来创建第3步，即从底部填充图像，直到检测到边缘为止。 任何参考材料将不胜感激。 谢谢。

Answer 1

方法0

这是基于循环的标准方法。 这个想法是从每一列的底部开始，并为每个像素着色为白色，直到命中一个白色像素。 这就是Piglet的以下建议。

h, w = edges.shape[:2]
filled_from_bottom = np.zeros((h, w))
for col in range(w):
    for row in reversed(range(h)):
        if edges[row][col] < 255: filled_from_bottom[row][col] = 255
        else: break

---

方法1

现在，这种方法使用一些numpy技巧，以加快操作。

首先，对于每一列，找到边缘图像中存在非零值的最大行索引。

h, w = img.shape[:2]
row_inds = np.indices((h, w))[0] # gives row indices in shape of img
row_inds_at_edges = row_inds.copy()
row_inds_at_edges[edges==0] = 0 # only get indices at edges, 0 elsewhere
max_row_inds = np.amax(row_inds_at_edges, axis=0) # find the max row ind over each col

然后，您可以创建一个布尔数组，其中每个大于或等于最大索引的索引均为True ：

inds_after_edges = row_inds >= max_row_inds

然后，您可以在布尔数组给定的那些新索引处简单地用白色填充新的空白图像

filled_from_bottom = np.zeros((h, w))
filled_from_bottom[inds_after_edges] = 255

---

方法2

此方法在存储效率方面略有提高，而在速度方面则略有提高。 这与方法1的基本前提相同。

首先，对于每一列，找到与每一列的最大值相对应的行索引（在边缘图像中为白色）。 请注意，函数np.argmax将返回数组中最大值的第一个实例，而我们需要最后一个实例：

在多次出现最大值的情况下，返回对应于第一次出现的索引。

因此，解决此问题的一种简单方法是垂直翻转数组，但这随后为我们提供了进入反向数组的索引。 我认为只看一眼就可以解释一眼：

h, w = img.shape[:2]
max_row_inds = h - np.argmax(edges[::-1], axis=0)

切片[::-1]边缘从上到下反转（或者可以使用np.flipud ）。 然后，由于数组被翻转，因此np.argmax从结尾给出索引，因此h - np.argmax将索引指向正确定向的数组。 np.argmax(..., axis=0)表示我们要在每一列上取最大值。

现在我们可以像以前一样创建布尔数组：

row_inds = np.indices((h, w))[0]
inds_after_edges = row_inds >= max_row_inds

该方法好一点的原因是因为我们没有创建数组的副本，而是删除了许多值的数组分配。

---

速度测试

第一种方法最简单，但在Python中到目前为止最慢。 Python循环非常慢，而numpy操作通常是在基于C或基于Fortran的方法中实现的，因此它们非常灵活。 我用以下代码测试了差异：

import timeit
times = range(1000)

start_time = timeit.default_timer()
A = [method0(edges) for t in times]
print("method0: ", timeit.default_timer() - start_time)

start_time = timeit.default_timer()
B = [method1(edges) for t in times]
print("method1: ", timeit.default_timer() - start_time)

start_time = timeit.default_timer()
C = [method2(edges) for t in times]
print("method2: ", timeit.default_timer() - start_time)

因此，每种方法都运行了1000次。 结果：

method0: 62.79985192901222
method1: 0.9703722179983743
method2: 0.7760374149947893

我们看到最终的方法是最快的，与预期的一样。 只是比method1快一点的头发，但并不疯狂。 但是，基于循环的方法之间的差异很大。

---

产量

Answer 2

这是通过从图像的底部开始并逐个像素垂直填充每个空的黑色像素，直到看到一个非黑色像素来实现的。 然后填充将停止该垂直列，并继续进行下一个。

您不需要任何花哨的OpenCV函数。 这可以通过简单地使用几个循环来完成。

您可以就地执行此操作，也可以使用以零初始化的单独输出图像。

您要做的就是从底部开始遍历图像的列。 如果像素的值为零，则将输出像素设置为255，一旦命中了不为零的像素，则将其余像素设置为0（或将其保留为0）