Python 从掩模RCNN中的掩模矩阵（布尔矩阵）查找掩模角点坐标（矩形形状）？

在我的项目中，我尝试在数据集中检测商店标志。我用的是面具RCNN。图像大小为512x512。

results=model.detect（[image]，verbose=1）
r=结果[0]
蒙版=r[“蒙版”]
rois=r['rois']

如果您知道旋转角度，只需旋转bbox角点，例如在角点上使用cv2.warpAffine。如果你不这样做，那么你可以像这样或多或少地找到极值

H,W = array.shape
left_edges = np.where(array.any(axis=1),array.argmax(axis=1),W+1)
flip_lr = cv2.flip(array,1) #1 horz vert 0
right_edges = W-np.where(flip_lr.any(axis=1),flip_lr.argmax(axis=1),W+1)
top_edges = np.where(array.any(axis=0),array.argmax(axis=0),H+1)
flip_ud = cv2.flip(array,0) #1 horz vert 0
bottom_edges = H - np.where(flip_ud.any(axis=0),flip_ud.argmax(axis=0),H+1)
leftmost = left_edges.min()
rightmost = right_edges.max()
topmost = top_edges.min()
bottommost = bottom_edges.max()

---

你的bbox有四个角（最左边、最上面、（最右边、最下面），这是我尝试过的一个例子。顺便说一句，如果你发现自己在像素上循环，你应该知道几乎总是有一个numpy矢量化操作，它会做得更快

如果您知道旋转角度，只需旋转bbox角点，例如在角点上使用cv2.warpAffine。如果你不这样做，那么你可以像这样或多或少地找到极值

H,W = array.shape
left_edges = np.where(array.any(axis=1),array.argmax(axis=1),W+1)
flip_lr = cv2.flip(array,1) #1 horz vert 0
right_edges = W-np.where(flip_lr.any(axis=1),flip_lr.argmax(axis=1),W+1)
top_edges = np.where(array.any(axis=0),array.argmax(axis=0),H+1)
flip_ud = cv2.flip(array,0) #1 horz vert 0
bottom_edges = H - np.where(flip_ud.any(axis=0),flip_ud.argmax(axis=0),H+1)
leftmost = left_edges.min()
rightmost = right_edges.max()
topmost = top_edges.min()
bottommost = bottom_edges.max()

---

你的bbox有四个角（最左边、最上面、（最右边、最下面），这是我尝试过的一个例子。顺便说一句，如果你发现自己在像素上循环，你应该知道几乎总是有一个numpy矢量化操作，它会做得更快

透视变换可用于此问题：

从检测到的口罩中查找商店标志的角点。（src点）

所需矩形框点（dst点）

使用

cv2.getPerspectiveTransform

和

cv2.warpPerspective

对于角点检测，我们可以使用

cv2.findContours

和

cv2.approxPolyDP

在二值图像中查找轮廓

contours, _ = cv2.findContours(r['masks'][:,:,0].astype(np.uint8), cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

然后使用以下公式从轮廓近似矩形：

cv2.approxPolyDP

中的关键点是

epsilon

（近似精度参数）。矩形点检测的自定义阈值（如下）

---

透视变换可用于此问题：

从检测到的口罩中查找商店标志的角点。（src点）

所需矩形框点（dst点）

使用

cv2.getPerspectiveTransform

和

cv2.warpPerspective

对于角点检测，我们可以使用

cv2.findContours

和

cv2.approxPolyDP

在二值图像中查找轮廓

contours, _ = cv2.findContours(r['masks'][:,:,0].astype(np.uint8), cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

然后使用以下公式从轮廓近似矩形：

cv2.approxPolyDP

中的关键点是

epsilon

（近似精度参数）。矩形点检测的自定义阈值（如下）