一,比较白色像素比例
假设你已经有了一个二值化图像(黑白图像),要判断mask图中在原图上对应的轮廓中包含的区域是否大部分是白色可以通过以下几个步骤实现:
-
轮廓检测:首先需要检测mask图中的轮廓。这可以通过使用如OpenCV库中的
cv2.findContours
函数实现。 -
轮廓遍历:检测到轮廓,遍历每个轮廓,可以使用
cv2.drawContours
函数填充该轮廓区域。 -
查看轮廓可视化:通过应用掩码,我们可以将掩码与真实图片相与,查看该轮廓的可视化。
-
计算白色像素比例:计算轮廓内的白色像素占总像素的比例。如果白色像素比例超过一定阈值(例如50%),则可以判断该轮廓内的区域大部分是白色的。
import cv2
import numpy as np
# 加载图像
image = cv2.imread('path_to_your_image.png')
mask = cv2.imread('mask.png')
mask = cv2.cvtColor(mask, cv2.COLOR_BGR2GRAY) #转为单通道图像
i = 0
h,w = mask.shape[:2]
final_contour = []
contours, _ = cv2.findContours(mask, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
for contour in contours:
mask2 = np.zeros((h, w), dtype=np.uint8)
cv2.drawContours(mask2, [contour], -1, (255, 255, 255), -1)
temp = np.zeros(mask2.shape, dtype=np.uint8)
temp[np.where(mask2 != 0)] = 255
masked = cv2.bitwise_and(image, image, mask=temp) #将mask与原图相与
out_path = f'{save_image}_{i}.png'
i += 1
cv2.imwrite(out_path, masked)
# 应用掩码计算白色像素
white_pixels = np.sum(masked == 255)
total_pixels = cv2.contourArea(contour)
# 计算白色像素的比例
white_ratio = white_pixels / total_pixels
# 判断条件
if white_ratio > 0.5:
print("轮廓内的区域大部分是白色的")
final_contour.append(contour)
else:
print("轮廓内的区域大部分不是白色的")
二,计算平均值
假设你已经有了一个二值化图像(黑白图像),要判断mask图中在原图上对应的轮廓中包含的区域是否大部分是白色可以通过以下几个步骤实现:
-
轮廓检测:首先需要检测mask图中的轮廓。这可以通过使用如OpenCV库中的
cv2.findContours
函数实现。 -
轮廓遍历:检测到轮廓,遍历每个轮廓,可以使用
cv2.drawContours
函数填充该轮廓区域。 -
计算轮廓平均值:通过应用mask,我们可以使用cv2.mean函数求出mask与真实图片的结果,其返回一个长度为4的元组,其中每个位置代表相应通道的均值,将通道的均值大于设置参数时,说明该轮廓大部分区域为白色。
import cv2 import numpy as np # 加载图像 image = cv2.imread('path_to_your_image.png') mask = cv2.imread('mask.png') mask = cv2.cvtColor(mask, cv2.COLOR_BGR2GRAY) #转为单通道图像 i = 0 h,w = mask.shape[:2] final_contour = [] contours, _ = cv2.findContours(mask, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE) for contour in contours: mask2 = np.zeros((h, w), dtype=np.uint8) cv2.drawContours(mask2, [contour], -1, (255, 255, 255), -1) mean_val = cv2.mean(image, mask=mask2) # 判断区域是白色还是彩色 if mean_val[0] > 230 and mean_val[1] > 230 and mean_val[2] > 230: final_contour.append(contour)