如何使用OpenCV从底部填充图像直到检测到边缘？

我的目标是能够使用OpenCV 3复制本文所示的避障方法。他们提供的软件似乎只适用于Windows。我认为这是可能的复制使用OpenCV。我目前正在使用Canny边缘检测进行第2步。我不确定我可以使用什么函数来创建步骤3，即从底部填充图像，直到检测到边缘。任何参考资料都将不胜感激。谢谢

这是通过从图像的底部开始并继续进行操作来实现的 垂直逐像素填充每个空黑色像素，直到 可以看到非黑色像素。然后填充将停止该垂直柱 然后继续下一步

你不需要任何花哨的OpenCV函数。这可以通过简单地使用几个循环来实现

您可以就地执行此操作，也可以使用单独的输出映像（使用零初始化）

您所要做的就是从底部开始迭代图像的列。如果某个像素的值为零，则将输出像素设置为255，一旦达到非零的像素，则将剩余像素设置为0（或保留为0）

方法0 这是完成此任务的标准、基于循环的方法。这个想法是从每列的底部开始，将每个像素涂成白色，直到碰到一个白色像素为止。这是小猪在下面的建议

h, w = edges.shape[:2]
filled_from_bottom = np.zeros((h, w))
for col in range(w):
    for row in reversed(range(h)):
        if edges[row][col] < 255: filled_from_bottom[row][col] = 255
        else: break

然后，您可以创建一个布尔数组，其中每个大于或等于最大索引的索引都是

True

：

inds_after_edges = row_inds >= max_row_inds

然后你可以简单地用白色填充一个新的空白图像，在布尔数组给出的新索引处

filled_from_bottom = np.zeros((h, w))
filled_from_bottom[inds_after_edges] = 255

---

方法2 这种方法的内存效率略高，速度效率略高。这与方法1的基本前提相同

首先，对于每列，找到对应于每列中最大值的行索引（即边缘图像中的白色）。请注意，函数将返回数组中最大值的第一个实例，而我们需要的是最后一个：

如果最大值多次出现，则返回与第一次出现对应的索引

所以一个简单的方法是垂直翻转数组，但这会给我们反向数组的索引。我认为在看到一行文字后，解释它更直观：

h, w = img.shape[:2]
max_row_inds = h - np.argmax(edges[::-1], axis=0)

切片

[：：-1]

从上到下反转边（或者可以使用

np.flipud

）。然后，由于数组是翻转的，

np.argmax

从末尾给出索引，因此

h-np.argmax

将索引放入正确定向的数组中。而

np.argmax（…，axis=0）

意味着我们在每列上取最大值

现在我们可以像前面一样创建布尔数组：

row_inds = np.indices((h, w))[0]
inds_after_edges = row_inds >= max_row_inds

此方法稍微好一点的原因是，我们没有创建数组的副本，而是删除了许多值的数组赋值

---

速度测试 第一种方法是最简单的，但在Python中是最慢的。Python循环非常慢，而

numpy

操作通常是用基于C或Fortran的方法实现的，因此它们非常快。我用以下代码测试了差异：

import timeit
times = range(1000)

start_time = timeit.default_timer()
A = [method0(edges) for t in times]
print("method0: ", timeit.default_timer() - start_time)

start_time = timeit.default_timer()
B = [method1(edges) for t in times]
print("method1: ", timeit.default_timer() - start_time)

start_time = timeit.default_timer()
C = [method2(edges) for t in times]
print("method2: ", timeit.default_timer() - start_time)

因此，每个方法运行1000次。结果:

method0: 62.79985192901222
method1: 0.9703722179983743
method2: 0.7760374149947893

我们看到，最终的方法是最快的，正如预期的那样；只是比method1快一点，但不疯狂。然而，基于循环的方法之间的差异是巨大的

---

输出

---

当我能够坐下来写一个解决方案时，这可能已经有了答案，但最简单的方法是使用

np.where（）

找到二进制图像中所有非零值的位置，然后在where的结果中找到每列的最大行索引，然后设置

image[max_row_index:，column]=255

（或适用于图像类型的任何适当的白色值）。你可能是说效率较低？@YvesDaoust我没有，但可能我错了。我以前的解决方案需要在列索引上循环，而这没有-因此我的意思是这可能比我的答案预编辑快。如果有任何加快速度的建议，我将不胜感激！可以对反转列使用

argmax

，因为边缘s为白色，而不是将非边VAL设置为零，然后将其设置为

amax

，但这仍然需要创建

np.index

数组（尽管不需要复制）…还有其他建议吗？请看@Pieget的答案。@YvesDaoust我刚刚测试过，我的不带循环的方法比Pieget建议的循环快100倍左右。将发布用于测试的代码。可能是用Python编写的，但x100看起来很大。

method0: 62.79985192901222
method1: 0.9703722179983743
method2: 0.7760374149947893