基于OpenCV的區(qū)域分割、輪廓檢測(cè)和閾值處理

本文轉(zhuǎn)載自小白學(xué)視覺，作者努比。文章僅用于學(xué)術(shù)分享。

OpenCV是一個(gè)巨大的開源庫(kù)，廣泛用于計(jì)算機(jī)視覺，人工智能和圖像處理領(lǐng)域。它在現(xiàn)實(shí)世界中的典型應(yīng)用是人臉識(shí)別，物體檢測(cè)，人類活動(dòng)識(shí)別，物體跟蹤等。
現(xiàn)在，假設(shè)我們只需要從整個(gè)輸入幀中檢測(cè)到一個(gè)對(duì)象。因此，代替處理整個(gè)框架，如果可以在框架中定義一個(gè)子區(qū)域并將其視為要應(yīng)用處理的新框架，該怎么辦。我們要完成一下三個(gè)步驟：
?定義興趣區(qū)
?在ROI中檢測(cè)輪廓
?閾值檢測(cè)輪廓輪廓線
什么是ROI？
簡(jiǎn)而言之，我們感興趣的對(duì)象所在的幀內(nèi)的子區(qū)域稱為感興趣區(qū)域（ROI）。
我們?nèi)绾味xROI？
在輸入幀中定義ROI的過(guò)程稱為ROI分割。
在“ ROI細(xì)分”中，（此處）我們選擇框架中的特定區(qū)域，并以矩形方法提供其尺寸，以便它將在框架上繪制矩形的ROI。

（輸出）藍(lán)色矩形覆蓋的區(qū)域是我們的投資回報(bào)率
現(xiàn)在，如果您也想綁定感興趣的對(duì)象，那么我們可以通過(guò)在ROI中找到輪廓來(lái)實(shí)現(xiàn)。
什么是輪廓？
輪廓線是 表示或說(shuō)是限制對(duì)象形狀的輪廓。
如何在框架中找到輪廓？
對(duì)我而言，在將ROI框架設(shè)為閾值后，找到輪廓效果最佳。因此，要找到輪廓，手上的問(wèn)題是-
什么是閾值？
閾值不過(guò)是圖像分割的一種簡(jiǎn)單形式。這是將灰度或rgb圖像轉(zhuǎn)換為二進(jìn)制圖像的過(guò)程。例如
（這是RGB幀）
（這是二進(jìn)制閾值幀）
因此，在對(duì)rgb幀進(jìn)行閾值處理后，程序很容易找到輪廓，因?yàn)橛捎赗OI中感興趣對(duì)象的顏色將是黑色（在簡(jiǎn)單的二進(jìn)制脫粒中）或白色（在如上所述的反向二進(jìn)制脫粒中），因此分割（將背景與前景即我們的對(duì)象分開）將很容易完成。
在對(duì)框架進(jìn)行閾值處理并檢測(cè)到輪廓之后，我們應(yīng)用凸包技術(shù)對(duì)圍繞對(duì)象點(diǎn)的緊密擬合凸邊界進(jìn)行設(shè)置。實(shí)施此步驟后，框架應(yīng)如下所示-
我們可以做的另一件事是，我們可以遮蓋ROI以僅顯示被檢測(cè)到的輪廓本身覆蓋的對(duì)象。再次-
什么是圖像MASK？
圖像MASK是隱藏圖像的某些部分并顯示某些部分的過(guò)程。這是圖像編輯的非破壞性過(guò)程。在大多數(shù)情況下，它使您可以在以后根據(jù)需要調(diào)整和調(diào)整遮罩。通常，它是一種有效且更具創(chuàng)意的圖像處理方式。
因此，基本上在這里我們將掩蓋ROI的背景。為此，首先我們將修復(fù)ROI的背景。然后，在固定背景之后，我們將從框架中減去背景，并用wewant背景（這里是一個(gè)簡(jiǎn)單的黑色框架）替換它。
實(shí)施上述技術(shù)，我們應(yīng)該得到如下輸出：
（背景被遮罩以僅捕獲對(duì)象）
這是所說(shuō)明技術(shù)的理想實(shí)現(xiàn)的完整代碼。
import cv2import numpy as npimport copyimport math
x=0.5  # start point/total widthy=0.8  # start point/total widththreshold = 60  # BINARY thresholdblurValue = 7  # GaussianBlur parameterbgSubThreshold = 50learningRate = 0
# variablesisBgCaptured = 0   # whether the background captured
def removeBG(frame): #Subtracting the background    fgmask = bgModel.apply(frame,learningRate=learningRate)
    kernel = np.ones((3, 3), np.uint8)    fgmask = cv2.erode(fgmask, kernel, iterations=1)    res = cv2.bitwise_and(frame, frame, mask=fgmask)    return res
# Cameracamera = cv2.VideoCapture(0)camera.set(10,200)


while camera.isOpened():    ret, frame = camera.read()    frame = cv2.bilateralFilter(frame, 5, 50, 100)  # smoothening filter    frame = cv2.flip(frame, 1)  # flip the frame horizontally    cv2.rectangle(frame, (int(x * frame.shape[1]), 0),                 (frame.shape[1], int(y * frame.shape[0])), (255, 0, 0), 2) #drawing ROI    cv2.imshow('original', frame)
    #  Main operation    if isBgCaptured == 1:  # this part wont run until background captured        img = removeBG(frame)        img = img[0:int(y * frame.shape[0]),                    int(x * frame.shape[1]):frame.shape[1]]  # clip the ROI        cv2.imshow('mask', img)
        # convert the image into binary image        gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)        blur = cv2.GaussianBlur(gray, (blurValue, blurValue), 0)        cv2.imshow('blur', blur)        ret, thresh = cv2.threshold(blur, threshold, 255, cv2.THRESH_BINARY) #thresholding the frame        cv2.imshow('ori', thresh)

        # get the coutours        thresh1 = copy.deepcopy(thresh)        contours, hierarchy = cv2.findContours(thresh1, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE) #detecting contours        length = len(contours)        maxArea = -1        if length > 0:            for i in range(length):  # find the biggest contour (according to area)                temp = contours[i]                area = cv2.contourArea(temp)                if area > maxArea:                    maxArea = area                    ci = i
            res = contours[ci]            hull = cv2.convexHull(res) #applying convex hull technique            drawing = np.zeros(img.shape, np.uint8)            cv2.drawContours(drawing, [res], 0, (0, 255, 0), 2) #drawing contours             cv2.drawContours(drawing, [hull], 0, (0, 0, 255), 3) #drawing convex hull            cv2.imshow('output', drawing)
    # Keyboard OP    k = cv2.waitKey(10)    if k == 27:          camera.release()        cv2.destroyAllWindows()        break    elif k == ord('b'):  # press 'b' to capture the background        bgModel = cv2.createBackgroundSubtractorMOG2(0, bgSubThreshold)        isBgCaptured = 1        print( 'Background Captured')    elif k == ord('r'):  # press 'r' to reset the background        bgModel = None        isBgCaptured = 0        print ('Reset BackGround')