语义分割 使用Python OpenCV 进行边界轮廓处理

语义分割 使用Python OpenCV 进行边界轮廓处理

cv2.findContours 提取轮廓边界

import cv2
import matplotlib.pyplot as plt
img1 = cv2.imread(r"E:\My Projects\unet-pytorch-Buliiiing\results\NAJING0_4(2)-0.CT.PELVIS_ROCK_(ADU_20121220_153828421_000004.BMP")
gray            = cv2.cvtColor(img1, cv2.COLOR_BGR2GRAY) # 彩色图变灰度图
_,binary        = cv2.threshold(gray,127,255,cv2.THRESH_BINARY) # 灰度图变二值图
tmp_contours, _ = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE) # 根据二值图找轮廓
# cv2.drawContours(img1,contours,-1,(0,0,255),1) # 把轮廓画在原图上（0,0,255） 表示 RGB 三通道，红色
plt.figure(figsize=(10,10))
plt.axis("off")
plt.imshow(img1)

传入一个图像，返回该图像的所有mask的边界轮廓矩阵

def extract_contour(r_img):
    """传入一个图像，返回该图像的所有mask的边界轮廓矩阵
    r_img: np.ndarray
    """
    img = cv2.cvtColor(np.asarray(r_img),cv2.COLOR_RGB2BGR)
    
    gray        = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 彩色图变灰度图
    _,binary    = cv2.threshold(gray,127,255,cv2.THRESH_BINARY) # 灰度图变二值图
    contours, _ = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE) # 根据二值图找轮廓
    # cv2.drawContours(img,contours,-1,(0,0,255),1) # 把轮廓画在原图上（0,0,255） 表示 RGB 三通道，红色
    return contours

cv2.pointPolygonTest 判断点和多边形的关系

OpenCV的API：pointPolygonTest(contour, pt, measureDist)，用来判断点和contour的位置关系

• contour: 使用接口cv2.findContours找到对应图片的contour
• point: 需要准备好需要的点，需要tuple类型
• measureDist：measureDist如果为true，则该函数估计从点到最近的轮廓边缘的有符号距离(负号为在外部，0为在边界上，正号为在内部)。 否则，该功能仅检查该点是否在轮廓内。

当measureDist设置为false时，若返回值为+1，表示点在轮廓内部，返回值为-1，表示在轮廓外部，返回值为0，表示在轮廓上。

flag  = cv2.pointPolygonTest(contour,(100,100), False)