python圖像處理之邊沿輪廊檢驗(yàn)

89542767 發(fā)布于2022-12-25 16:10 / 428人閱讀

　　此篇文章主要是詳細(xì)介紹了python圖像處理之邊沿輪廊檢驗(yàn)實(shí)例詳細(xì)說(shuō)明，感興趣的小伙伴可以參考借鑒一下，希望可以有一定的幫助，祝愿大家多多的發(fā)展，盡早漲薪

　　前言

　　在前的python圖像處理簡(jiǎn)易過(guò)濾中，己經(jīng)介紹了許多算法用于檢驗(yàn)邊沿，在其中用到較多的canny算法圖像分割。

　　這篇大家介紹某些其他方式來(lái)測(cè)試輪廊。

　　1、搜索輪廊（find_contours)

　　measure控制模塊中的find_contours()函數(shù)公式，主要用來(lái)檢驗(yàn)灰度圖像邊緣輪廊。

　　函數(shù)原型為：

　　skimage.measure.find_contours(array,level)

　　array:一種二值二維數(shù)組圖象

　　level:在源圖像搜索輪廊的等級(jí)值

　　回到輪廊目錄結(jié)合，能用for循環(huán)取下每條輪廊。

　　例1：

　　importnumpyasnp
　　importmatplotlib.pyplotasplt
　　fromskimageimportmeasure,draw
　　#生成二值測(cè)試圖像
　　img=np.zeros([100,100])
　　img[20:40,60:80]=1#矩形
　　rr,cc=draw.circle(60,60,10)#小圓
　　rr1,cc1=draw.circle(20,30,15)#大圓
　　img[rr,cc]=1
　　img[rr1,cc1]=1
　　#檢測(cè)所有圖形的輪廓
　　contours=measure.find_contours(img,0.5)
　　#繪制輪廓
　　fig,(ax0,ax1)=plt.subplots(1,2,figsize=(8,8))
　　ax0.imshow(img,plt.cm.gray)
　　ax1.imshow(img,plt.cm.gray)
　　forn,contourinenumerate(contours):
　　ax1.plot(contour[:,1],contour[:,0],linewidth=2)
　　ax1.axis('image')
　　ax1.set_xticks([])
　　ax1.set_yticks([])
　　plt.show()

　　結(jié)果如下：不同的輪廓用不同的顏色顯示

　　importmatplotlib.pyplotasplt
　　fromskimageimportmeasure,data,color
　　#生成二值測(cè)試圖像
　　img=color.rgb2gray(data.horse())
　　#檢測(cè)所有圖形的輪廓
　　contours=measure.find_contours(img,0.5)
　　#繪制輪廓
　　fig,axes=plt.subplots(1,2,figsize=(8,8))
　　ax0,ax1=axes.ravel()
　　ax0.imshow(img,plt.cm.gray)
　　ax0.set_title('originalimage')
　　rows,cols=img.shape
　　ax1.axis([0,rows,cols,0])
　　forn,contourinenumerate(contours):
　　ax1.plot(contour[:,1],contour[:,0],linewidth=2)
　　ax1.axis('image')
　　ax1.set_title('contours')
　　plt.show()

　2、逼近多邊形曲線

　　逼近多邊形曲線有兩個(gè)函數(shù)：subdivide_polygon（)和approximate_polygon（）

　　subdivide_polygon（)采用B樣條（B-Splines)來(lái)細(xì)分多邊形的曲線，該曲線通常在凸包線的內(nèi)部。

　　函數(shù)格式為：

　　skimage.measure.subdivide_polygon(coords,degree=2,preserve_ends=False)

　　coords:坐標(biāo)點(diǎn)序列。

　　degree:B樣條的度數(shù)，默認(rèn)為2

　　preserve_ends:如果曲線為非閉合曲線，是否保存開始和結(jié)束點(diǎn)坐標(biāo)，默認(rèn)為false

　　返回細(xì)分為的坐標(biāo)點(diǎn)序列。

　　approximate_polygon（）是基于Douglas-Peucker算法的一種近似曲線模擬。它根據(jù)指定的容忍值來(lái)近似一條多邊形曲線鏈，該曲線也在凸包線的內(nèi)部。

　　函數(shù)格式為:

　　skimage.measure.approximate_polygon(coords,tolerance)

　　coords:坐標(biāo)點(diǎn)序列

　　tolerance:容忍值

　　返回近似的多邊形曲線坐標(biāo)序列。

　　例：

　　importnumpyasnp
　　importmatplotlib.pyplotasplt
　　fromskimageimportmeasure,data,color
　　#生成二值測(cè)試圖像
　　hand=np.array([[1.64516129,1.16145833],
　　[1.64516129,1.59375],
　　[1.35080645,1.921875],
　　[1.375,2.18229167],
　　[1.68548387,1.9375],
　　[1.60887097,2.55208333],
　　[1.68548387,2.69791667],
　　[1.76209677,2.56770833],
　　[1.83064516,1.97395833],
　　[1.89516129,2.75],
　　[1.9516129,2.84895833],
　　[2.01209677,2.76041667],
　　[1.99193548,1.99479167],
　　[2.11290323,2.63020833],
　　[2.2016129,2.734375],
　　[2.25403226,2.60416667],
　　[2.14919355,1.953125],
　　[2.30645161,2.36979167],
　　[2.39112903,2.36979167],
　　[2.41532258,2.1875],
　　[2.1733871,1.703125],
　　[2.07782258,1.16666667]])
　　#檢測(cè)所有圖形的輪廓
　　new_hand=hand.copy()
　　for_inrange(5):
　　new_hand=measure.subdivide_polygon(new_hand,degree=2)
　　#approximatesubdividedpolygonwithDouglas-Peuckeralgorithm
　　appr_hand=measure.approximate_polygon(new_hand,tolerance=0.02)
　　print("Numberofcoordinates:",len(hand),len(new_hand),len(appr_hand))
　　fig,axes=plt.subplots(2,2,figsize=(9,8))
　　ax0,ax1,ax2,ax3=axes.ravel()
　　ax0.plot(hand[:,0],hand[:,1],'r')
　　ax0.set_title('originalhand')
　　ax1.plot(new_hand[:,0],new_hand[:,1],'g')
　　ax1.set_title('subdivide_polygon')
　　ax2.plot(appr_hand[:,0],appr_hand[:,1],'b')
　　ax2.set_title('approximate_polygon')
　　ax3.plot(hand[:,0],hand[:,1],'r')
　　ax3.plot(new_hand[:,0],new_hand[:,1],'g')
　　ax3.plot(appr_hand[:,0],appr_hand[:,1],'b')
　　ax3.set_title('all')