如何在Python中使用OpenCV獲取圖像分塊的邊界頂點(diǎn)？

圖像分割后，精準(zhǔn)定位每個(gè)區(qū)塊的邊界點(diǎn)對(duì)于后續(xù)圖像分析至關(guān)重要。本文將介紹一種使用python和opencv高效實(shí)現(xiàn)此功能的方法。假設(shè)您已完成圖像分割，并將每個(gè)區(qū)塊用唯一數(shù)值標(biāo)記（例如，從1開始遞增）。

首先，我們需要明確“邊界點(diǎn)”的定義：邊界點(diǎn)是區(qū)塊與相鄰區(qū)塊接觸的邊緣點(diǎn)。 假設(shè)圖像被分割成一個(gè)h×w的網(wǎng)格。

以下步驟演示如何使用OpenCV查找這些邊界點(diǎn)：

1. 圖像讀取與預(yù)處理: 首先，讀取圖像并將其轉(zhuǎn)換為灰度圖像。

   立即學(xué)習(xí)“Python免費(fèi)學(xué)習(xí)筆記（深入）”；

   import cv2 import numpy as np  # 讀取圖像 img = cv2.imread('image.jpg', cv2.IMREAD_GRAYSCALE)

2. 圖像分割 (假設(shè)已完成): 假設(shè)您已有一個(gè)標(biāo)記了每個(gè)區(qū)塊的圖像 segmented_img，其中每個(gè)像素的值代表其所屬的區(qū)塊編號(hào)。 以下是一個(gè)示例：

   # 示例：假設(shè)已完成圖像分割 segmented_img = np.random.randint(1, 4, size=img.shape)  # 替換為您的實(shí)際分割結(jié)果

3. 邊界點(diǎn)檢測(cè): 通過遍歷每個(gè)像素及其鄰域，判斷是否為邊界點(diǎn)。

   def find_boundary_points(segmented_img):     height, width = segmented_img.shape     boundary_points = {}      for i in range(height):         for j in range(width):             current_label = segmented_img[i, j]             if current_label not in boundary_points:                 boundary_points[current_label] = []              for di, dj in [(-1, 0), (1, 0), (0, -1), (0, 1)]:  # 檢查上下左右                 ni, nj = i + di, j + dj                 if 0 <= ni < height and 0 <= nj < width and segmented_img[ni, nj] != current_label:                     boundary_points[current_label].append((j, i)) # 注意：OpenCV坐標(biāo)系是(x,y)                     break # 找到一個(gè)不同的鄰域點(diǎn)即可標(biāo)記為邊界點(diǎn)      return boundary_points

4. 結(jié)果可視化: 將邊界點(diǎn)標(biāo)記在原始圖像上。

   boundary_points = find_boundary_points(segmented_img) result_img = cv2.cvtColor(img, cv2.COLOR_GRAY2BGR)  for label, points in boundary_points.items():     color = (np.random.randint(0, 256), np.random.randint(0, 256), np.random.randint(0, 256))     for point in points:         cv2.circle(result_img, point, 2, color, -1)  cv2.imshow('Boundary Points', result_img) cv2.waitKey(0) cv2.destroyAllwindows()

這段代碼提供了一種清晰、高效的方法來識(shí)別圖像分塊的邊界點(diǎn)。 請(qǐng)記住將示例 segmented_img 替換為您實(shí)際的圖像分割結(jié)果。 該方法易于理解和修改，適用于各種圖像處理任務(wù)。