OpenCV图像轮廓提取

前言

  常用的轮廓提取算法有:Canny、阈值分割、提取傅里叶变换的高频信息，还有别具一格的蚁群算法，当然比较常见的作法是使用阈值分割+边缘查找，在OpenCV里是threshold和findContours两个函数的组合使用，和Canny。
  轮廓提取的算法很多，而其目的都是为了找到图像中灰阶差比较大的位置。而所谓亚像素提取，则是使用了插值算法，以找出灰阶差最大的位置。

提取傅里叶变换的高频信息

##############
#图像中的轮廓提取
#时间：2019/1/3
#作者：cclplus
#仅供学习交流使用
#如有疑问或者需求，可以联系作者的邮箱
#如果你有什么好的建议或者指导，我将不胜感激


import cv2
import numpy as np
from matplotlib import pyplot as plt
import copy
img = cv2.imread('liuyifei.jpg',0)
f = np.fft.fft2(img)
fshift = np.fft.fftshift(f)

rows,cols = img.shape
crow,ccol = int(rows/2) , int(cols/2)
for i in range(crow-30,crow+30):
    for j in range(ccol-30,ccol+30):
        fshift[i][j]=0.0
f_ishift = np.fft.ifftshift(fshift)
img_back = np.fft.ifft2(f_ishift)#进行高通滤波
# 取绝对值
img_back = np.abs(img_back)
plt.subplot(121),plt.imshow(img,cmap = 'gray')#因图像格式问题，暂已灰度输出
plt.title('Input Image'), plt.xticks([]), plt.yticks([])
#先对灰度图像进行伽马变换，以提升暗部细节
rows,cols = img_back.shape
gamma=copy.deepcopy(img_back)
rows=img.shape[0]
cols=img.shape[1]
for i in range(rows):
    for j in range(cols):
        gamma[i][j]=5.0*pow(gamma[i][j],0.34)#0.34这个参数是我手动调出来的，根据不同的图片，可以选择不同的数值
#对灰度图像进行反转

for i in range(rows):
    for j in range(cols):
        gamma[i][j]=255-gamma[i][j]
plt.subplot(122),plt.imshow(gamma,cmap = 'gray')
plt.title('Result in HPF'), plt.xticks([]), plt.yticks([])
plt.show()

原图

输出结果

通过蚁群算法进行图片轮廓提取

相关代