python数字图像处理(17):边缘与轮廓
在前面的python数字图像处理(10):图像简单滤波 中,我们已经讲解了很多算子用来检测边缘,其中用得最多的canny算子边缘检测。
本篇我们讲解一些其它方法来检测轮廓。
1、查找轮廓(find_contours)
measure模块中的find_contours()函数,可用来检测二值图像的边缘轮廓。
函数原型为:
skimage.measure.find_contours(array, level)
array: 一个二值数组图像
level: 在图像中查找轮廓的级别值
返回轮廓列表集合,可用for循环取出每一条轮廓。
例1:
import numpy as np import matplotlib.pyplot as plt from skimage import measure,draw #生成二值测试图像 img=np.zeros([100,100]) img[20:40,60:80]=1 #矩形 rr,cc=draw.circle(60,60,10) #小圆 rr1,cc1=draw.circle(20,30,15) #大圆 img[rr,cc]=1 img[rr1,cc1]=1#检测所有图形的轮廓 contours = measure.find_contours(img, 0.5)#绘制轮廓 fig, (ax0,ax1) = plt.subplots(1,2,figsize=(8,8)) ax0.imshow(img,plt.cm.gray) ax1.imshow(img,plt.cm.gray) for n, contour in enumerate(contours):ax1.plot(contour[:, 1], contour[:, 0], linewidth=2) ax1.axis('image') ax1.set_xticks([]) ax1.set_yticks([]) plt.show()
结果如下:不同的轮廓用不同的颜色显示
例2:
import matplotlib.pyplot as plt from skimage import measure,data,color#生成二值测试图像 img=color.rgb2gray(data.horse())#检测所有图形的轮廓 contours = measure.find_contours(img, 0.5)#绘制轮廓 fig, axes = plt.subplots(1,2,figsize=(8,8)) ax0, ax1= axes.ravel() ax0.imshow(img,plt.cm.gray) ax0.set_title('original image')rows,cols=img.shape ax1.axis([0,rows,cols,0]) for n, contour in enumerate(contours):ax1.plot(contour[:, 1], contour[:, 0], linewidth=2) ax1.axis('image') ax1.set_title('contours') plt.show()
2、逼近多边形曲线
逼近多边形曲线有两个函数:subdivide_polygon()和 approximate_polygon()
subdivide_polygon()采用B样条(B-Splines)来细分多边形的曲线,该曲线通常在凸包线的内部。
函数格式为:
skimage.measure.subdivide_polygon(coords, degree=2, preserve_ends=False)
coords: 坐标点序列。
degree: B样条的度数,默认为2
preserve_ends: 如果曲线为非闭合曲线,是否保存开始和结束点坐标,默认为false
返回细分为的坐标点序列。
approximate_polygon()是基于Douglas-Peucker算法的一种近似曲线模拟。它根据指定的容忍值来近似一条多边形曲线链,该曲线也在凸包线的内部。
函数格式为:
skimage.measure.approximate_polygon(coords, tolerance)
coords: 坐标点序列
tolerance: 容忍值
返回近似的多边形曲线坐标序列。
例:
import numpy as np import matplotlib.pyplot as plt from skimage import measure,data,color#生成二值测试图像 hand = np.array([[1.64516129, 1.16145833],[1.64516129, 1.59375],[1.35080645, 1.921875],[1.375, 2.18229167],[1.68548387, 1.9375],[1.60887097, 2.55208333],[1.68548387, 2.69791667],[1.76209677, 2.56770833],[1.83064516, 1.97395833],[1.89516129, 2.75],[1.9516129, 2.84895833],[2.01209677, 2.76041667],[1.99193548, 1.99479167],[2.11290323, 2.63020833],[2.2016129, 2.734375],[2.25403226, 2.60416667],[2.14919355, 1.953125],[2.30645161, 2.36979167],[2.39112903, 2.36979167],[2.41532258, 2.1875],[2.1733871, 1.703125],[2.07782258, 1.16666667]])#检测所有图形的轮廓 new_hand = hand.copy() for _ in range(5):new_hand =measure.subdivide_polygon(new_hand, degree=2)# approximate subdivided polygon with Douglas-Peucker algorithm appr_hand =measure.approximate_polygon(new_hand, tolerance=0.02)print("Number of coordinates:", len(hand), len(new_hand), len(appr_hand))fig, axes= plt.subplots(2,2, figsize=(9, 8)) ax0,ax1,ax2,ax3=axes.ravel()ax0.plot(hand[:, 0], hand[:, 1],'r') ax0.set_title('original hand') ax1.plot(new_hand[:, 0], new_hand[:, 1],'g') ax1.set_title('subdivide_polygon') ax2.plot(appr_hand[:, 0], appr_hand[:, 1],'b') ax2.set_title('approximate_polygon')ax3.plot(hand[:, 0], hand[:, 1],'r') ax3.plot(new_hand[:, 0], new_hand[:, 1],'g') ax3.plot(appr_hand[:, 0], appr_hand[:, 1],'b') ax3.set_title('all')
from: https://www.cnblogs.com/denny402/p/5160955.html
python数字图像处理(17):边缘与轮廓相关推荐
- python数字图像处理以及绘图
1, subplot的使用 matlab中的用法: subplot(m,n,p)或者subplot(m n p) subplot是将多个图画到一个平面上的工具.其中,m和n代表在一个图像窗口中显示m行 ...
- (附源码)python数字图像处理课程平台 毕业设计 242339
Python数字图像处理课程平台的开发 摘 要 数字图像处理是一门新兴技术,随着计算机硬件的发展,数字图像的实时处理已经成为可能,由于数字图像处理的各种算法的出现,使得其处理速度越来越快,能更好的为人 ...
- (附源码)Python数字图像处理课程平台 毕业设计242339
Python数字图像处理课程平台的开发 摘 要 数字图像处理是一门新兴技术,随着计算机硬件的发展,数字图像的实时处理已经成为可能,由于数字图像处理的各种算法的出现,使得其处理速度越来越快,能更好的为人 ...
- python绘制灰度图片直方图-python数字图像处理实现直方图与均衡化
在图像处理中,直方图是非常重要,也是非常有用的一个处理要素. 在skimage库中对直方图的处理,是放在exposure这个模块中. 1.计算直方图 函数:skimage.exposure.histo ...
- 第1章 Python 数字图像处理(DIP) --绪论
Python 数字图像处理 关于本专栏 此专栏为 Python 数字图像处理(DIP)(冈萨雷斯版),专栏里文章的内容都是来自书里,全部手打,非OCR,因为很多公式,都是用LaTex输入,力求更好看的 ...
- Win8 Metro(C#)数字图像处理--2.40二值图像轮廓提取算法
Win8 Metro(C#)数字图像处理--2.40二值图像轮廓提取算法 原文:Win8 Metro(C#)数字图像处理--2.40二值图像轮廓提取算法 [函数名称] 二值图像轮廓提取 ...
- python数字图像处理(1):环境安装与配置
一提到数字图像处理编程,可能大多数人就会想到matlab,但matlab也有自身的缺点: 1.不开源,价格贵 2.软件容量大.一般3G以上,高版本甚至达5G以上. 3.只能做研究,不易转化成软件. 因 ...
- 第2章 Python 数字图像处理(DIP) --数字图像基础5 -- 算术运算、集合、几何变换、傅里叶变换等
目录 数字图像处理所有的基本数字工具介绍 算术运算 集合运算和逻辑运算 空间运算 向量与矩阵运算 图像变换 图像和随机变量 数字图像处理所有的基本数字工具介绍 算术运算 # 相加 img_ori = ...
- 初始----python数字图像处理--:环境安装与配置
一提到数字图像处理编程,可能大多数人就会想到matlab,但matlab也有自身的缺点: 1.不开源,价格贵 2.软件容量大.一般3G以上,高版本甚至达5G以上. 3.只能做研究,不易转化成软件. 因 ...
最新文章
- SQLServer中使用Split功能分割字符串
- LeetCode Linked List Cycle
- Laravel Model 利用 Macroable 为数据模型添加宏能力
- 如何在SAP Cloud for Customer里开发具有依赖关系的互动下拉列表
- 单节点配置SecondaryNameNode
- .NET Core实战项目之CMS 第七章 设计篇-用户权限极简设计全过程
- java ee7帮助文档_帮助推动Java EE向前发展
- 信息学奥赛一本通(1025:保留12位小数的浮点数)
- 嵌入式linux appace,嵌入式Linux攻略 ACE程序移植过程详细解析 — IT技术
- Faster rcnn相关文章研究
- ds查找—二叉树平衡因子_《大话数据结构》C++实现二叉平衡树的建立
- jxta-amalto
- 机顶盒天线接头怎么接_机顶盒时代来了,电视的天线接口以后该如何利用?
- 利用ICommand和ITool重写Arcengine中控件的事件
- 激荡的2020过后,物流江湖下个十年谁主沉浮?
- 提高浏览器渲染页面速度
- scrapy+redis+mongodb爬取苏宁商城图书价格
- 测网速-在线网速测试原理及代码
- Relationship between the Linux Distros
- 【计算机网络】BitTorrent技术对网络的潜在危害
热门文章
- 史上最详细版!java文件打包成exe,在未配置安装JDK和未配置的电脑上运行--转载...
- Java NIO——Selector机制源码分析---转
- HTTP Referer二三事---转
- 大数据风控-提高授信审查效率,做好这7点是关键
- 基于Keras搭建cifar10数据集训练预测Pipeline
- 朱宁:70%散户跑不赢大盘?因为机构利用了他们的错误
- 深度学习在推荐领域的应用
- Caffe部署中的几个train-test-solver-prototxt-deploy等说明二
- Spring-AOP 通过配置文件实现 环绕增强
- csv java web 导入_DAY5-step9 使用CSV模块和Pandas在Python中读取和写入CSV文件