圖像處理中，常需將圖像分割成塊并提取各塊的邊界頂點。假設(shè)有一張單通道圖像，經(jīng)處理后形成一個h×m的網(wǎng)格，每個網(wǎng)格塊的值從1遞增。本文將介紹如何使用python和OpenCV庫高效地找到每個塊的邊界頂點。
方法與代碼示例
我們將使用OpenCV讀取圖像并進(jìn)行分塊處理（假設(shè)分塊后的圖像已存在，存儲在一個二維numpy數(shù)組中，每個元素代表該塊的標(biāo)簽）。 然后，利用NumPy的強(qiáng)大功能找到每個塊的邊界頂點。
立即學(xué)習(xí)“Python免費學(xué)習(xí)筆記（深入）”；
以下代碼演示了如何遍歷每個塊，找到其邊界像素點并記錄其坐標(biāo)：
import cv2 import numpy as np # 示例分塊圖像 (替換為你的實際分塊圖像數(shù)據(jù)) segmented_image = np.array([ [1, 1, 1, 2, 2], [1, 1, 1, 2, 2], [3, 3, 3, 2, 2], [3, 3, 3, 4, 4], [3, 3, 3, 4, 4] ]) # 存儲每個塊邊界頂點的字典 block_boundaries = {} # 遍歷每個塊標(biāo)簽 for label in np.unique(segmented_image): # 創(chuàng)建掩碼，僅保留當(dāng)前塊 mask = (segmented_image == label).astype(np.uint8) # 使用OpenCV查找輪廓 contours, _ = cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHaiN_APPROX_SIMPLE) # 提取邊界頂點 if contours: contour = contours[0] vertices = contour.reshape(-1, 2) block_boundaries[label] = vertices # 打印每個塊的邊界頂點 for label, vertices in block_boundaries.items(): print(f"塊 {label} 的邊界頂點坐標(biāo):") print(vertices)
這段代碼利用OpenCV的findContours函數(shù)高效地找到每個塊的外部輪廓，然后提取輪廓上的頂點坐標(biāo)。 block_boundaries字典存儲了每個塊標(biāo)簽與其對應(yīng)邊界頂點坐標(biāo)的映射關(guān)系。
改進(jìn)與擴(kuò)展
此方法適用于簡單的矩形塊分割。對于更復(fù)雜的形狀，可能需要更高級的圖像處理技術(shù)，例如基于區(qū)域生長的分割方法或更復(fù)雜的輪廓分析算法。 此外，可以根據(jù)實際需求對代碼進(jìn)行修改，例如添加錯誤處理或優(yōu)化性能。 如有更具體的需求或問題，歡迎進(jìn)一步提出。
? 版權(quán)聲明
文章版權(quán)歸作者所有，未經(jīng)允許請勿轉(zhuǎn)載。
THE END
.png)
