python3+opencv3識別圖片中的物體並截取

運行環境：python3.6.4

         opencv3.4.0





# -*- coding:utf-8 -*-

 

"""

Note: 使用Python和OpenCV檢測圖像中的物體並將物體裁剪下來

"""

 

import cv2

import numpy as np

 

 

# step1：加載圖片，轉成灰度圖

image = cv2.imread("353.jpg")

gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

 

# step2:用Sobel算子計算x，y方向上的梯度，之後在x方向上減去y方向上的梯度，通過這個減法，我們留下具有高水平梯度和低垂直梯度的圖像區域。

gradX = cv2.Sobel(gray, cv2.CV_32F, dx=1, dy=0, ksize=-1)

gradY = cv2.Sobel(gray, cv2.CV_32F, dx=0, dy=1, ksize=-1)

 

# subtract the y-gradient from the x-gradient

gradient = cv2.subtract(gradX, gradY)

gradient = cv2.convertScaleAbs(gradient)

# show image

cv2.imshow("first", gradient)

cv2.waitKey()

 

# step3：去除圖像上的噪聲。首先使用低通濾潑器平滑圖像（9 x 9內核）,這將有助於平滑圖像中的高頻噪聲。

# 低通濾波器的目標是降低圖像的變化率。如將每個像素替換爲該像素周圍像素的均值。這樣就可以平滑並替代那些強度變化明顯的區域。

# 然後，對模糊圖像二值化。梯度圖像中不大於90的任何像素都設置爲0（黑色）。 否則，像素設置爲255（白色）。

# blur and threshold the image

blurred = cv2.blur(gradient, (9, 9))

_, thresh = cv2.threshold(blurred, 90, 255, cv2.THRESH_BINARY)

# SHOW IMAGE

cv2.imshow("thresh", thresh)

cv2.waitKey()

 

# step4:在上圖中我們看到蜜蜂身體區域有很多黑色的空餘，我們要用白色填充這些空餘，使得後面的程序更容易識別昆蟲區域，

# 這需要做一些形態學方面的操作。

kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (25, 25))

closed = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, kernel)

# show image

cv2.imshow("closed1", closed)

cv2.waitKey()

 

# step5:從上圖我們發現圖像上還有一些小的白色斑點，這會干擾之後的昆蟲輪廓的檢測，要把它們去掉。分別執行4次形態學腐蝕與膨脹。

# perform a series of erosions and dilations

closed = cv2.erode(closed, None, iterations=4)

closed = cv2.dilate(closed, None, iterations=4)

# show image

cv2.imshow("closed2", closed)

cv2.waitKey()

 

# step6：找出昆蟲區域的輪廓。

# cv2.findContours()函數

# 第一個參數是要檢索的圖片，必須是爲二值圖，即黑白的（不是灰度圖），

# 所以讀取的圖像要先轉成灰度的，再轉成二值圖，我們在第三步用cv2.threshold()函數已經得到了二值圖。

# 第二個參數表示輪廓的檢索模式，有四種：

# 1. cv2.RETR_EXTERNAL表示只檢測外輪廓

# 2. cv2.RETR_LIST檢測的輪廓不建立等級關係

# 3. cv2.RETR_CCOMP建立兩個等級的輪廓，上面的一層爲外邊界，裏面的一層爲內孔的邊界信息。如果內孔內還有一個連通物體，這個物體的邊界也在頂層。

# 4. cv2.RETR_TREE建立一個等級樹結構的輪廓。

# 第三個參數爲輪廓的近似方法

# cv2.CHAIN_APPROX_NONE存儲所有的輪廓點，相鄰的兩個點的像素位置差不超過1，即max（abs（x1-x2），abs（y2-y1））==1

# cv2.CHAIN_APPROX_SIMPLE壓縮水平方向，垂直方向，對角線方向的元素，只保留該方向的終點座標，例如一個矩形輪廓只需4個點來保存輪廓信息

 

# cv2.findContours()函數返回兩個值，一個是輪廓本身，還有一個是每條輪廓對應的屬性。

# cv2.findContours()函數返回第一個值是list，list中每個元素都是圖像中的一個輪廓，用numpy中的ndarray表示。

# 每一個ndarray裏保存的是輪廓上的各個點的座標。我們把list排序，點最多的那個輪廓就是我們要找的昆蟲的輪廓。

x = cv2.findContours(closed.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# import pdb

# pdb.set_trace()

_a, cnts, _b = x

c = sorted(cnts, key=cv2.contourArea, reverse=True)[0]

 

# OpenCV中通過cv2.drawContours在圖像上繪製輪廓。

# 第一個參數是指明在哪幅圖像上繪製輪廓

# 第二個參數是輪廓本身，在Python中是一個list

# 第三個參數指定繪製輪廓list中的哪條輪廓，如果是-1，則繪製其中的所有輪廓

# 第四個參數是輪廓線條的顏色

# 第五個參數是輪廓線條的粗細

 

# cv2.minAreaRect()函數:

# 主要求得包含點集最小面積的矩形，這個矩形是可以有偏轉角度的，可以與圖像的邊界不平行。

# compute the rotated bounding box of the largest contour

rect = cv2.minAreaRect(c)

# rect = cv2.minAreaRect(cnts[1])

box = np.int0(cv2.boxPoints(rect))

 

 

# draw a bounding box arounded the detected barcode and display the image

cv2.drawContours(image, [box], -1, (0, 255, 0), 3)

cv2.imshow("Image", image)

cv2.imwrite("contoursImage2.jpg", image)

cv2.waitKey(0)

 

# step7：裁剪。box裏保存的是綠色矩形區域四個頂點的座標。我將按下圖紅色矩形所示裁剪昆蟲圖像。

# 找出四個頂點的x，y座標的最大最小值。新圖像的高=maxY-minY，寬=maxX-minX。

Xs = [i[0] for i in box]

Ys = [i[1] for i in box]

x1 = min(Xs)

x2 = max(Xs)

y1 = min(Ys)

y2 = max(Ys)

hight = y2 - y1

width = x2 - x1

cropImg = image[y1:y1+hight, x1:x1+width]

 

# show image

cv2.imshow("cropImg", cropImg)

cv2.imwrite("bee.jpg", cropImg)

cv2.waitKey()