查找并填充具有不同颜色的图像的轮廓

Question

我看到了这个答案：但就我而言，由于图像的亮度变化，我很难知道不同的颜色阈值，

所以我尝试分割植物的植物图像很少。有些植物的形状和颜色良好，但有些植物对叶子有褐色的色彩。我应该如何使用OpenCV对这些图像进行良好的分割。我首先想到使用检测，尽管我确实得到了边缘，但我无法填补空白，因此我使用了轮廓检测，但是它们的效果不佳，许多不太井层的植物具有颜色的变化。

我目前的方法试图在HSV Colorspace中找到绿色。它更容易定义绿色的色彩空间，但不是棕色的色彩。

import cv2
import matplotlib.pyplot as plt
import numpy as np
import os, glob  

def method_1(img):
    # Blur the image
    blur = cv2.GaussianBlur(img,(9,9),cv2.BORDER_DEFAULT)
    ## convert to hsv
    hsv = cv2.cvtColor(blur, cv2.COLOR_BGR2HSV)


    ## mask of green (36,25,25) ~ (86, 255,255)
    mask = cv2.inRange(hsv, (36, 25, 25), (85, 255,255))

    ## slice the green
    imask = mask>0
    green = np.zeros_like(img, np.uint8)
    green[imask] = img[imask]


    # apply dilation on src image
    kernel = np.ones((7,7),np.uint8)
    dilated_img = cv2.dilate(green, kernel, iterations = 2)


    # Draw contours and fill holes
    canvas = dilated_img.copy() # Canvas for plotting contours on
    canvas = cv2.cvtColor(canvas, cv2.COLOR_BGR2GRAY)
    contours, hierarchy = cv2.findContours(canvas, cv2.RETR_CCOMP, cv2.CHAIN_APPROX_NONE)

    return canvas, contours


def get_mask(maskfolder, file_path, filename, savefile):
    contour_list = []

    img = cv2.imread(file_path)
    rgb_img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

    
    plt.imshow(rgb_img)
    plt.show()

它适用于看起来像：

但对于这样的图像：

此处输入图像说明”>

然后我使用了一个简单的轮廓方法

def method_2(img):
    blur = cv2.GaussianBlur(img, (5, 5), 0)
    gray = cv2.cvtColor(blur, cv2.COLOR_BGR2GRAY)
    contours, _ = cv2.findContours(gray,  cv2.RETR_CCOMP, cv2.CHAIN_APPROX_SIMPLE)

    return gray, contours

def get_mask(maskfolder, file_path, filename, savefile):
    contour_list = []

    img = cv2.imread(file_path)
    rgb_img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

    # METHOD 2
    canvas_2, contours_2 = method_2(rgb_img)
    for cnt in contours_2:
        cv2.drawContours(canvas_2,[cnt],-1,255,-1)

    
    plt.imshow(canvas_2, cmap="gray")
    plt.show()

，但它返回黑色图像：

Answer 1

您可以通过标准化颜色来摆脱变化的照明（将RGB组件划分为总和）。无论如何，饱和区域永远丢失。

您可以根据您选择的几种颜色，通过最近的邻居规则对背景与前景进行分类。如果您需要自动解决方案，则可以开始使用K-Nearest Quniger算法。