Python__OpenCV檢測映像物體輪廓__Python

step1：載入圖片，轉成灰階圖

image = cv2.imread("353.jpg")gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

step2:用Sobel運算元計算x，y方向上的梯度，之後在x方向上減去y方向上的梯度，通過這個減法，我們留下具有高水平梯度和低垂直梯度的映像地區。

gradX = cv2.Sobel(gray, ddepth=cv2.cv.CV_32F, dx=1, dy=0, ksize=-1)gradY = cv2.Sobel(gray, ddepth=cv2.cv.CV_32F, dx=0, dy=1, ksize=-1)# subtract the y-gradient from the x-gradientgradient = cv2.subtract(gradX, gradY)gradient = cv2.convertScaleAbs(gradient)

執行完這一步，得到的映像如下：

step3：去除映像上的雜訊。首先使用低通濾潑器平滑映像（9 x 9核心）,這將有助於平滑映像中的高頻雜訊。低通濾波器的目標是降低映像的變動率。如將每個像素替換為該像素周圍像素的均值。這樣就可以平滑並替代那些強度變化明顯的地區。

然後，對模糊映像二值化。梯度映像中不大於90的任何像素都設定為0（黑色）。 否則，像素設定為255（白色）。

# blur and threshold the imageblurred = cv2.blur(gradient, (9, 9))(_, thresh) = cv2.threshold(blurred, 90, 255, cv2.THRESH_BINARY)

執行完這一步，得到的映像如下：
step4:在上圖中我們看到蜜蜂身體地區有很多黑色的空餘，我們要用白色填充這些空餘，使得後面的程式更容易識別昆蟲地區，這需要做一些形態學方面的操作。

kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (25, 25))closed = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, kernel)

處理之後的映像如下：
step5:從上圖我們發現映像上還有一些小的白色斑點，這會干擾之後的昆蟲輪廓的檢測，要把它們去掉。分別執行4次形態學腐蝕與膨脹。

# perform a series of erosions and dilationsclosed = cv2.erode(closed, None, iterations=4)closed = cv2.dilate(closed, None, iterations=4)

執行完這步，得到的圖形如下：
step6：找出昆蟲地區的輪廓。cv2.findContours()函數第一個參數是要檢索的圖片，必須是為二值圖，即黑白的（不是灰階圖），所以讀取的映像要先轉成灰階的，再轉成二值圖，我們在第三步用cv2.threshold()函數已經得到了二值圖。第二個參數表示輪廓的檢索模式，有四種： cv2.RETR_EXTERNAL表示只檢測外輪廓 cv2.RETR_LIST檢測的輪廓不建立等級關係 cv2.RETR_CCOMP建立兩個等級的輪廓，上面的一層為外邊界，裡面的一層為內孔的邊界資訊。如果內孔內還有一個連通物體，這個物體的邊界也在頂層。 cv2.RETR_TREE建立一個等級樹結構的輪廓。

第三個參數為輪廓的近似方法 cv2.CHAIN_APPROX_NONE儲存所有的輪廓點，相鄰的兩個點的像素位置差不超過1，即max（abs（x1-x2），abs（y2-y1））==1

cv2.CHAIN_APPROX_SIMPLE壓縮水平方向，垂直方向，對角線方向的元素，只保留該方向的終點座標，例如一個矩形輪廓只需4個點來儲存輪廓資訊

cv2.findContours()函數返回兩個值，一個是輪廓本身，還有一個是每條輪廓對應的屬性。cv2.findContours()函數返回第一個值是list，list中每個元素都是映像中的一個輪廓，用numpy中的ndarray表示。每一個ndarray裡儲存的是輪廓上的各個點的座標。我們把list排序，點最多的那個輪廓就是我們要找的昆蟲的輪廓。
OpenCV中通過cv2.drawContours在映像上繪製輪廓。 第一個參數是指明在哪幅映像上繪製輪廓 第二個參數是輪廓本身，在Python中是一個list 第三個參數指定繪製輪廓list中的哪條輪廓，如果是-1，則繪製其中的所有輪廓 第四個參數是輪廓線條的顏色 第五個參數是輪廓線條的粗細
cv2.minAreaRect()函數:
主要求得包含點集最小面積的矩形，這個矩形是可以有偏轉角度的，可以與映像的邊界不平行。

(cnts, _) = cv2.findContours(closed.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)c = sorted(cnts, key=cv2.contourArea, reverse=True)[0]# compute the rotated bounding box of the largest contourrect = cv2.minAreaRect(c)box = np.int0(cv2.cv.BoxPoints(rect))# draw a bounding box arounded the detected barcode and display the imagecv2.drawContours(image, [box], -1, (0, 255, 0), 3)cv2.imshow("Image", image)cv2.imwrite("contoursImage2.jpg", image)cv2.waitKey(0)

執行完這步得到的圖形如下：
step7：裁剪。box裡儲存的是綠色矩形地區四個頂點的座標。我將按下圖紅色矩形所示裁剪昆蟲映像。找出四個頂點的x，y座標的最大最小值。新映像的高=maxY-minY，寬=maxX-minX。

Xs = [i[0] for i in box]Ys = [i[1] for i in box]x1 = min(Xs)x2 = max(Xs)y1 = min(Ys)y2 = max(Ys)hight = y2 - y1width = x2 - x1cropImg = image[y1:y1+hight, x1:x1+width]