OpenCV如何提取图片中曲线

简单介绍

  在实际的应用中,我们常常需要对图像中的曲线进行描述、处理,这个曲线可以是轮廓,骨架或者其他。可以用deque<Point> 描述曲线,接下来简单介绍下如何从图片中搜索这些曲线并保存。

  首先,输入的图片是一张二值图片 (白色为曲线),其中包含的曲线宽度为 1 像素的 (如果曲线不是 1 像素的 先提取其骨架)。遍历寻找图像中第一个白色的点,然后从这个点开始延伸寻找曲线。注意,第一个找到的点不一定是曲线的端点,因此应该分别向两边寻找相邻的点,因此deque 会好一些。每找到一个点,将其保存deque 而后置黑(防止重复寻找)。搜索到一个没有相邻点的点,表示一端搜索完成。

   值得注意的一点是,我在写搜寻相邻点的时候,会首先搜寻此点与上一个点相邻位置相对的位置,如果没有,则分别搜索向两边搜索。这样的好处是可以减少寻找的次数,而且当有相交的曲线时,能连接到我们一般认为的曲线。

代码

//寻找图像曲线上某个点的下一个点
bool findNextPoint(vector<Point> &_neighbor_points, Mat &_image, Point _inpoint, int flag, Point& _outpoint, int &_outflag)
{
 int i = flag;
 int count = 1;
 bool success = false;

 while (count <= 7)
 {
  Point tmppoint = _inpoint + _neighbor_points[i];
  if (tmppoint.x > 0 && tmppoint.y > 0 && tmppoint.x < _image.cols&&tmppoint.y < _image.rows)
  {
   if (_image.at<uchar>(tmppoint) == 255)
   {
    _outpoint = tmppoint;
    _outflag = i;
    success = true;
    _image.at<uchar>(tmppoint) = 0;
    break;
   }
  }
  if (count % 2)
  {
   i += count;
   if (i > 7)
   {
    i -= 8;
   }
  }
  else
  {
   i += -count;
   if (i < 0)
   {
    i += 8;
   }
  }
  count++;
 }
 return success;
}
//寻找图像上的第一个点
bool findFirstPoint(Mat &_inputimg, Point &_outputpoint)
{
 bool success = false;
 for (int i = 0; i < _inputimg.rows; i++)
 {
  uchar* data = _inputimg.ptr<uchar>(i);
  for (int j = 0; j < _inputimg.cols; j++)
  {
   if (data[j] == 255)
   {
    success = true;
    _outputpoint.x = j;
    _outputpoint.y = i;
    data[j] = 0;
    break;
   }
  }
  if (success)
   break;
 }
 return success;
}
//寻找曲线
void findLines(Mat &_inputimg, vector<deque<Point>> &_outputlines)
{
 vector<Point> neighbor_points = { Point(-1,-1),Point(0,-1),Point(1,-1),Point(1,0),Point(1,1),Point(0,1),Point(-1,1),Point(-1,0) };
 Point first_point;
 while (findFirstPoint(_inputimg, first_point))
 {
  deque<Point> line;
  line.push_back(first_point);
  //由于第一个点不一定是线段的起始位置,双向找
  Point this_point = first_point;
  int this_flag = 0;
  Point next_point;
  int next_flag;
  while (findNextPoint(neighbor_points, _inputimg, this_point, this_flag, next_point, next_flag))
  {
   line.push_back(next_point);
   this_point = next_point;
   this_flag = next_flag;
  }
  //找另一边
  this_point = first_point;
  this_flag = 0;
  //cout << "flag:" << this_flag << endl;
  while (findNextPoint(neighbor_points, _inputimg, this_point, this_flag, next_point, next_flag))
  {
   line.push_front(next_point);
   this_point = next_point;
   this_flag = next_flag;
  }
  if (line.size() > 10)
  {
   _outputlines.push_back(line);
  }
 }
}
//随机取色 用于画线的时候
Scalar random_color(RNG& _rng)
{
 int icolor = (unsigned)_rng;
 return Scalar(icolor & 0xFF, (icolor >> 8) & 0xFF, (icolor >> 16) & 0xFF);
}
int main()
{
 Mat image = imread("images\\2.bmp");
 Mat gray;
 cvtColor(image, gray, CV_BGR2GRAY);
 vector<deque<Point>> lines;
 findLines(gray, lines);
 cout << lines.size() << endl;
 //draw lines
 Mat draw_img = image.clone();
 RNG rng(123);
 Scalar color;
 for (int i = 0; i < lines.size(); i++)
 {
  color = random_color(rng);
  for (int j = 0; j < lines[i].size(); j++)
  {
   draw_img.at<Vec3b>(lines[i][j]) = Vec3b(color[0], color[1], color[2]);
  }
 }
 imshow("draw_img", draw_img);
 imwrite("images\\draw_img.bmp", draw_img);
 waitKey(0);
 system("pause");
 return 0;
}

结果

输入图像

结果

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持我们。

(0)

相关推荐

  • C语言实现opencv提取直线、轮廓及ROI实例详解

    一.Canny检测轮廓 在上一篇文章中有提到sobel边缘检测,并重写了soble的C++代码让其与matlab中算法效果一致,而soble边缘检测是基于单一阈值的,我们不能兼顾到低阈值的丰富边缘和高阈值时的边缘缺失这两个问题.而canny算子则很好的弥补了这一不足,从目前看来,canny边缘检测在做图像轮廓提取方面是最优秀的边缘检测算法. canny边缘检测采用双阈值值法,高阈值用来检测图像中重要的.显著的线条.轮廓等,而低阈值用来保证不丢失细节部分,低阈值检测出来的边缘更丰富,但是很多边缘并

  • python-opencv在有噪音的情况下提取图像的轮廓实例

    对于一般的图像提取轮廓,介绍了一个很好的方法,但是对于有噪声的图像,并不能很好地捕获到目标物体. 比如对于我的鼠标,提取的轮廓效果并不好,因为噪声很多: 所以本文增加了去掉噪声的部分. 首先加载原始图像,并显示图像 img = cv2.imread("temp.jpg") #载入图像 h, w = img.shape[:2] #获取图像的高和宽 cv2.imshow("Origin", img) 然后进行低通滤波处理,进行降噪 blured = cv2.blur(i

  • Python+OpenCV感兴趣区域ROI提取方法

    方法一:使用轮廓 步骤1 """src为原图""" ROI = np.zeros(src.shape, np.uint8) #感兴趣区域ROI proimage = src.copy() #复制原图 """提取轮廓""" proimage=cv2.cvtColor(proimage,cv2.COLOR_BGR2GRAY) #转换成灰度图 proimage=cv2.adaptiveThre

  • python opencv人脸检测提取及保存方法

    注意这里提取到的人脸图片的保存地址要改成自己要保存的地址 opencv人脸的检测模型的路径也要更改为自己安装的opencv的人脸检测模型的路径 import cv2 save_path = 'F:\\face_photo_save\\chenym\\' cascade = cv2.CascadeClassifier("D:\\opencv249\\opencv\\sources\\data\\haarcascades\\haarcascade_frontalface_alt_tree.xml&q

  • opencv提取外部轮廓并在外部加矩形框

    这段时间一直在用opencv搞图像处理的问题,发现虽然可调用的函数多,但是直接找相应代码还是很困难,就行寻找连通域,并在连通域外侧加框,对于习惯使用Mat矩形操作的我,真心感觉代码少之又少,为防止以后自己还会用到,特在此记录一下. 要对下面的图像进行字符的边缘检测. 程序中具体的步骤为: (1)灰度化.二值化 (2)图像膨胀 (3)检测膨胀图像的边缘并叫外矩形框 实现代码如下: #include "stdafx.h" #include "stdio.h" #incl

  • python-opencv颜色提取分割方法

    1.用于简单的对象检测.跟踪 2.简单前背景分割 #encoding:utf-8 #黄色检测 import numpy as np import argparse import cv2 image = cv2.imread('huang.png') color = [ ([0, 70, 70], [100, 255, 255])#黄色范围~这个是我自己试验的范围,可根据实际情况自行调整~注意:数值按[b,g,r]排布 ] #如果color中定义了几种颜色区间,都可以分割出来 for (lower

  • OpenCV如何提取图片中曲线

    简单介绍   在实际的应用中,我们常常需要对图像中的曲线进行描述.处理,这个曲线可以是轮廓,骨架或者其他.可以用deque<Point> 描述曲线,接下来简单介绍下如何从图片中搜索这些曲线并保存.   首先,输入的图片是一张二值图片 (白色为曲线),其中包含的曲线宽度为 1 像素的 (如果曲线不是 1 像素的 先提取其骨架).遍历寻找图像中第一个白色的点,然后从这个点开始延伸寻找曲线.注意,第一个找到的点不一定是曲线的端点,因此应该分别向两边寻找相邻的点,因此deque 会好一些.每找到一个点

  • Python Opencv提取图片中某种颜色组成的图形的方法

    主要目标识别图中红色的裂缝,尝试了几种不同的方法,最后发现比较每一点的RGB差值可以很好的解决这个问题,也就是提取图片中的红色相关信息.处理结果如下: 实现的代码如下,注意opencv读入的图片通道顺序是bgr: import cv2 import matplotlib.pyplot as plt imagepath = r'tear/11.jpg' image = cv2.imread(imagepath) height,width,channel = image.shape for i in

  • Python实现提取图片中颜色并绘制成可视化图表

    目录 导入模块并加载图片 提取颜色并整合成表格 绘制图表 实战环节 今天小编来为大家分享一个有趣的可视化技巧,如何从图片中提取颜色然后绘制成可视化图表,如下图所示 在示例照片当中有着各种各样的颜色,我们将通过Python中的可视化模块以及opencv模块来识别出图片当中所有的颜色要素,并且将其添加到可视化图表的配色当中 导入模块并加载图片 那么按照惯例,第一步一般都是导入模块,可视化用到的模块是matplotlib模块,我们将图片中的颜色抽取出来之后会保存在颜色映射表中,所以要使用到colorm

  • Python3使用腾讯云文字识别(腾讯OCR)提取图片中的文字内容实例详解

    百度OCR体验地址: https://ai.baidu.com/tech/imagerecognition/general 腾讯OCR体验地址: https://cloud.tencent.com/act/event/ocrdemo 测试结果是:腾讯的效果要比百度的好 腾讯云目前额度是: 每个接口 1,000次/月免费,有6个文字识别的接口,一共是6,000次/月 百度接口调用之前写过文章 python实现百度OCR图片识别过程解析 使用步骤 1.注册账号: https://cloud.tenc

  • OpenCV识别提取图像中的水平线与垂直线

    本文实例为大家分享了OpenCV识别提取图像中的水平线与垂直线,供大家参考,具体内容如下 1).原理 图像形态学操作时候,可以通过自定义的结构元素实现结构元素 对输入图像一些对象敏感.另外一些对象不敏感,这样就会让敏感的对象改变而不敏感的对象保留输出.通过使用两个最基本的形态学操作 – 膨胀与腐蚀,使用不同的结构元素实现对输入图像的操作.得到想要的结果. -膨胀,输出的像素值是结构元素覆盖下输入图像的最大像素值 -腐蚀,输出的像素值是结构元素覆盖下输入图像的最小像素值 常见的形状:矩形.园.直线

  • OpenCV如何去除图片中的阴影的实现

    一.前言 如果你自己打印过东西,应该有过这种经历.如果用自己拍的图片,在手机上看感觉还是清晰可见,但是一打印出来就是漆黑一片.比如下面这两张图片: 因为左边的图片有大片阴影,所有打印出来的图片不堪入目(因为打印要3毛钱,所以第二张图片只是我用程序模拟的效果). 那有什么办法可以解决吗?答案是肯定的,今天我们就来探讨几个去除阴影的方法. 二.如何去除阴影? 首先为了方便处理,我们通常会对图片进行灰度转换(即将图片转换成只有一个图层的灰色图像). 然后我们分析一下,在上面的图片中有三个主色调,分别是

  • 利用Matlab提取图片曲线

    目录 行文动机 图像的读入与裁剪 颜色拾取 颜色转换与色差计算 分离曲线 二值化,提取数据 数据点分类与排序 后话 利用 MATLAB 提取图片曲线 给你一张图片,如何提取里面曲线的数据,从而利用这些数据进行图像重绘.加工处理.测距.拟合得到函数表达式等操作呢? 行文动机 前段时间,有个朋友问了我一个问题,大概意思就是要给图像的流线测距离,在我的印象里面,MATLAB 是似乎没有这种直接的功能的. 那么换个角度来理解一下这个问题,如果给你一张图像,如何提取里面点的数据?其实,有了曲线的数据,后面

  • 深入解析opencv骨架提取的算法步骤

    目录 前言 一.算法步骤 1.算法步骤 2.分析 二.代码实现 1.预处理 2. 骨架提取实现 前言 个人感觉骨架提取提取的就是开运算过程的不可逆. 一.算法步骤 1.算法步骤 首先上一下比较官方的算法步骤: 1.获得原图像的首地址及图像的宽和高,并设置循环标志1 2.用结构元素腐蚀原图像,并保存腐蚀结果 3.设置循环标志为0,如果腐蚀结果中有一个点为255,即原图像尚未被完全腐蚀成空集,则将循环标志设为1. 4.用结构元素对腐蚀后的图像进行开运算(消除小的白色区域),并求取腐蚀运算与开运算的差

  • 使用opencv相关函数确定图片中的直线问题

    目录 使用opencv相关函数确定图片中的直线 OpenCV:直线检测 使用opencv相关函数确定图片中的直线 #pip install opencv-python==4.4.0.42 opencv-contrib-python==4.4.0.42 import cv2 import numpy as np from matplotlib import pyplot as plt import matplotlib.image as mpimg import matplotlib as mpl

  • Python OpenCV寻找两条曲线直接的最短距离

    本文实例为大家分享了Python OpenCV两条曲线直接最短距离的寻找方法,供大家参考,具体内容如下 import numpy as np import math import cv2 def cal_pt_distance(pt1, pt2):   dist = math.sqrt(pow(pt1[0]-pt2[0],2) + pow(pt1[1]-pt2[1],2))   return dist font = cv2.FONT_HERSHEY_SIMPLEX img = cv2.imrea

随机推荐