[OpenCV] 图像分割之利用 cv2.distanceTransform 提取前景

本文介绍了一种使用OpenCV的距离变换函数cv2.distanceTransform()来提取图像中硬币前景的方法。当硬币图像的子图相互连接时,直接的形态学操作难以确定前景对象,而距离变换则能有效解决这一问题,通过计算像素点到背景点的距离,再进行阈值化处理,即可准确提取硬币中心和轮廓。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

提取硬币前景

当图像内的各个子图没有连接时,可以直接使用形态学的腐蚀操作确定前景对象,但是如果图像内的子图连接在一起时,就很难确定前景对象了。此时,借助于距离变换函数 cv2.distanceTransform()可以方便地将前景对象提取出来。
距离变换函数 cv2.distanceTransform()计算二值图像内任意点到最近背景点的距离。一般情况下,该函数计算的是图像内非零值像素点到最近的零值像素点的距离,即计算二值图像中所有像素点距离其最近的值为 0 的像素点的距离。当然,如果像素点本身的值为 0,则这个距离也为 0。
距离变换函数 cv2.distanceTransform()的计算结果反映了各个像素与背景(值为 0 的像素点)的距离关系。通常情况下:
如果前景对象的中心(质心)距离值为 0 的像素点距离较远,会得到一个较大的值。
如果前景对象的边缘距离值为 0 的像素点较近,会得到一个较小的值。
如果对上述计算结果进行阈值化,就可以得到图像内子图的中心、骨架等信息。距离变换函数 cv2.distanceTransform()可以用于计算对象的中心,还能细化轮廓、获取图像前景等,有多种功能。
以上内容摘自《OpenCV轻松入门》

import numpy as np
import cv2 as cv
from matplotlib import pyplot as plt

img = cv.imread('coin.jpg', cv.IMREAD_GRAYSCALE)
_ret, img2 = cv.threshold(img, 0, 255, cv.THRESH_BINARY_INV + cv.THRESH_OTSU)
kernel = np.ones((3, 3), np.uint8)
opn = cv.morphologyEx(img2, cv.MORPH_OPEN, kernel)
distance = cv.distanceTransform(opn, cv.DIST_L2, 3)
_ret, result = cv.threshold(distance, 0.7 * distance.max(), 255, cv.THRESH_BINARY)

plt.subplot(141), plt.imshow(img, cmap='gray'), plt.title('org'), plt.axis('off')
plt.subplot(142), plt.imshow(opn, cmap='gray'), plt.title('opn'), plt.axis('off')
plt.subplot(143), plt.imshow(distance, cmap='gray'), plt.title('distance'), plt.axis('off')
plt.subplot(144), plt.imshow(result, cmap='gray'), plt.title('result'), plt.axis('off')

在这里插入图片描述

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值