13
16

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

More than 3 years have passed since last update.

pythonで一から画像処理 (4)輪郭抽出

Posted at

基本となる画像処理を一から勉強していくシリーズ (4)。

OpenCV-Pythonチュートリアルを参考に、
画像認識本 https://www.amazon.co.jp/dp/4061529129/
でやっている処理の理解を進める方針です。

#目次

  1. 環境
  2. 輪郭抽出
  3. 輪郭近似
  4. 外接図形

#環境

Python 3.7.0
OpenCV 4.1.0
Jupyter Notebook

#輪郭抽出
2値化したパンダ画像に対して輪郭抽出を実行。
findContoursの返り値contoursは輪郭毎の座標組、hierarchyはその輪郭の階層構造が入る。
今回は輪郭を2階層にした。
元のパンダ画像に輪郭を描画した。

rinkaku.py
import cv2
import numpy as np
from matplotlib import pyplot as plt
from pylab import rcParams #画像表示の大きさを変える
%matplotlib inline
rcParams['figure.figsize'] = 25, 20  #画像表示の大きさ

img = cv2.imread('/brabra/6.jpg',0)
#画像を圧縮しておく
img = cv2.resize(img, dsize=None, fx=0.15, fy=0.15)
#2値化(閾値は大津の二値化から)
ret,thresh = cv2.threshold(img,59,255,0)
#反転
thresh= cv2.bitwise_not(thresh)

#輪郭抽出(RETR_CCOMPは2階層にする)
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_CCOMP, cv2.CHAIN_APPROX_SIMPLE)

img = cv2.cvtColor(img,cv2.COLOR_BGR2RGB) #RGB形式に変換する

#見つけた輪郭を元画像に描画
for i in range(len(contours)):
    
    #最上層の階層を描画(緑)
    if hierarchy[0][i][3] == -1:        
        cv2.drawContours(img, contours, i, (0, 255, 0), 2)
    #2階層目を描画(水色)
    else:
        cv2.drawContours(img, contours, i, (0, 255, 255), 2)        

plt.imshow(img)

rinkakua.png

完璧とまではいかないが輪郭を概ね抽出している。

#輪郭近似

輪郭は細部にこだわる場合は多くの頂点で描画するが、そこまでの頂点がいらない場合は、輪郭を近似することができる。
ここでは足の部分の輪郭に対して輪郭近似をしてみた。

rinkakukinzi.py
img = cv2.imread('/brabra/6.jpg',0)
img = cv2.resize(img, dsize=None, fx=0.15, fy=0.15)
ret,thresh = cv2.threshold(img,59,255,0)
thresh= cv2.bitwise_not(thresh)

#輪郭抽出
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_CCOMP, cv2.CHAIN_APPROX_SIMPLE)

img = cv2.cvtColor(img,cv2.COLOR_BGR2RGB) #RGB形式に変換する

#足の部分の輪郭
cnt = contours[7]

#輪郭近似 epsilonは近似の程度
epsilon = 0.01*cv2.arcLength(cnt,True)
approx = cv2.approxPolyDP(cnt,epsilon,True)

#近似輪郭を元画像に描画
cv2.drawContours(img, [approx], -1, (0, 255, 0), 2)

plt.imshow(img)

rink.png

いい感じに角ばった。

#外接図形

輪郭に対して外接する図形を描画することができる。
四角形、円、楕円で外接するもの、近似する線を描画した。

gaisetsu.py
img = cv2.imread('C:/brabra/6.jpg',0)
img = cv2.resize(img, dsize=None, fx=0.15, fy=0.15)
ret,thresh = cv2.threshold(img,59,255,0)
thresh= cv2.bitwise_not(thresh)

#輪郭抽出
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_CCOMP, cv2.CHAIN_APPROX_SIMPLE)

img = cv2.cvtColor(img,cv2.COLOR_BGR2RGB) #RGB形式に変換する

#足部の輪郭を描画
cv2.drawContours(img, contours, 7, (0, 255, 0), 2)

cnt = contours[7]

#外接矩形
x,y,w,h = cv2.boundingRect(cnt)
img0 = img.copy()
img0 = cv2.rectangle(img0,(x,y),(x+w,y+h),(0,255,0),2)

#回転を考慮した外接矩形
rect = cv2.minAreaRect(cnt)
box = cv2.boxPoints(rect)
box = np.int0(box)
img00 = img.copy()
img00 = cv2.drawContours(img00,[box],0,(0,0,255),2)

#最小外接円
(x,y),radius = cv2.minEnclosingCircle(cnt)
center = (int(x),int(y))
radius = int(radius)
img1 = img.copy()
img1 = cv2.circle(img1,center,radius,(0,255,255),2)

#楕円fitting
ellipse = cv2.fitEllipse(cnt)
img2 = img.copy()
img2 = cv2.ellipse(img2,ellipse,(255,255,0),2)

#直線fitting
rows,cols = img.shape[:2]
[vx,vy,x,y] = cv2.fitLine(cnt, cv2.DIST_L2,0,0.01,0.01)
lefty = int((-x*vy/vx) + y)
righty = int(((cols-x)*vy/vx)+y)
img3 = img.copy()
img3 = cv2.line(img3,(cols-1,righty),(0,lefty),(255,255,255),2)

plt.subplot(231),plt.imshow(img0)
plt.title('en'), plt.xticks([]), plt.yticks([])
plt.subplot(232),plt.imshow(img00)
plt.title('en'), plt.xticks([]), plt.yticks([])
plt.subplot(233),plt.imshow(img1)
plt.title('en'), plt.xticks([]), plt.yticks([])
plt.subplot(234),plt.imshow(img2)
plt.title('daen'), plt.xticks([]), plt.yticks([])
plt.subplot(235),plt.imshow(img3)
plt.title('line'), plt.xticks([]), plt.yticks([])

plt.show()

gaisetsu.png

#まとめ
輪郭抽出について理解を深めた。

#参考文献

13
16
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
13
16

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?