图像处理相关（opencv，skimage等）

Kele-17369

已于 2023-01-12 10:50:22 修改

阅读量1k

点赞数

分类专栏： Python 深度学习文章标签： opencv python 计算机视觉

于 2022-09-21 09:52:37 首次发布

本文链接：https://blog.csdn.net/qq_36226586/article/details/126966639

版权

Python 同时被 2 个专栏收录

15 篇文章 0 订阅

订阅专栏

深度学习

11 篇文章 0 订阅

订阅专栏

知乎：OpenCV，PIL，skimage你pick谁

OpenCV，PIL，skimage 比较

1.读取图片方式：

PIL：open
opencv、skimag：imread()

2.读取内容：

PIL: PIL对象？（可用 np.array(img)转矩阵。）通道排列：RGB
skimage：numpy矩阵，通道排列：RGB
opencv：numpy矩阵，彩色图片维度是 HWC（高度，宽度，通道数）。数据类型是uint8；
opencv对于读进来的图片的通道排列是 BGR ，而不是主流的 RGB！谨记！

3.转灰度图像
skimage有一个巨大的不同是读取灰度图时其图像的矩阵的值被归一化了，注意注意！

一.opencv

cv2.connectedComponents 连通域

""" cv2.connectedComponents(image，connectivity=8)  计算连通域进行区域分析 
Input: 
        image：必须是二值图，即8位单通道图像。
参数：connectivity = 4 or 8; 四像素连接连接沿边缘具有相同值的所有像素;八像素连接连接沿边缘和角落具有相同值的所有像素。
Return:
        num_labels：所有连通域的数目（即变化区域数目）
        labels：图像上每一像素的标记，用数字1、2、3…表示（不同的数字表示不同的连通域）
        
加强版（返回更多参数）： cv2.connectedComponentsWithStats()
"""

cv2.morphologyEx 形态学

开运算

闭运算

cv2.findContours 轮廓检测

contours, hierarchy = cv2.findContours(image,mode,method)

image：输入图像
mode：轮廓的模式。cv2.RETR_EXTERNAL只检测外轮廓；cv2.RETR_LIST检测的轮廓不建立等级关系；cv2.RETR_CCOMP建立两个等级的轮廓，上一层为外边界，内层为内孔的边界。如果内孔内还有连通物体，则这个物体的边界也在顶层；cv2.RETR_TREE建立一个等级树结构的轮廓。
method：轮廓的近似方法。cv2.CHAIN_APPROX_NOME存储所有的轮廓点，相邻的两个点的像素位置差不超过1；cv2.CHAIN_APPROX_SIMPLE压缩水平方向、垂直方向、对角线方向的元素，只保留该方向的终点坐标，例如一个矩形轮廓只需要4个点来保存轮廓信息；cv2.CHAIN_APPROX_TC89_L1，cv2.CV_CHAIN_APPROX_TC89_KCOS
contours：返回的轮廓
hierarchy：每条轮廓对应的属性

注意：cv2.findContours()函数接受的参数为二值图，即黑白的（不是灰度图），所以读取的图像要先转成灰度的，再转成二值图。

# 灰度化和二值化
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)[1]

cv2.drawContours 在图像上绘制轮廓。

cv2.contourArea 轮廓区域面积计算

单位是像素平方。
contourArea（）求的是封闭曲线内面积 (使用格林公式,求曲面积分)
几何面积求的是最小外接矩的面积。
所以才使得contourArea（）求出来的面积和宽高面积不一样，且永远小于看宽高面积。

由于在计算面积得时候丢失了外围像素，因此contourArea（）求出来的面积比真实面积要小。

OpenCV（一） | contourArea（）求得的面积是哪里的面积？

cv2.arcLenngth 轮廓周长

perimeter = cv2.arcLength(cnt,True)
True表示闭合，False表示曲线？

cv2.approxPolyDP 轮廓近似

也可以理解为曲线折线化。

"""
epsilon参数表示 从原始轮廓到近似轮廓的最大距离（大于此阈值则舍弃），它是一个准确率参数。
一般通过 轮廓周长计算定义。值越小，越精确。
"""
epsilon = 0.1*cv2.arcLength(cnt,True)   # 0.005
approx = cv2.approxPolyDP(cnt,epsilon,True)

cv2.convexHull 凸包

凸包看起来类似轮廓近似，但是它不是（两者在某些情况下可能提供相同的结果）
hull = cv2.convexHull(cnt)

cv2.isContourConvex(contour) 检查曲线是否凸起

外接

cv.boundingRect 直边外接矩形
cv.minAreaRect 最小外接矩形
cv2.minEnclosingCircle 最小封闭圈
cv2.fitEllipse 拟合椭圆
cv2.fitLine 拟合直线

二.skimage

morphology 形态学

from skimage import morphology
官方文档：https://scikit-image.org/docs/stable/api/skimage.morphology.html

morphology.remove_small_holes 移除小空洞

morphology.remove_small_objects 移除小物体

morphology.convex_hull_object 凸包

计算二值图像中单个对象的凸包图像

skimage.morphology.convex_hull_image() 计算二值图像的凸包图像。

其他

rasterio

from rasterio import features
features.shape
https://rasterio.readthedocs.io/en/latest/api/rasterio.features.html

rasterio.features

用于处理栅格数据集中要素的函数。

# 获取数据集或数组中连接区域的形状和值。
rasterio.features.shapes(source, mask=None, connectivity=4, transform=Affine(1.0, 0.0, 0.0, 0.0, 1.0, 0.0))

def find_contours(image, bkg_value=0):
    assert image.dtype == np.uint8
    # Tuple(GeoJSON, value)
    shapes = features.shapes(image, mask=image != bkg_value)
    results = [(int(v), geometry.shape(s)) for s, v in shapes]

    return results