Python 完成“的等高线”；“破碎的”；形象

我有一个嘈杂的灰度图像，我想分割/遮罩从其余部分跨越图像的大圆弧。我打算遮罩圆弧和圆弧上方的所有像素

为此，我对图像设置了阈值以创建二值图像，并使用

cv2.findContours（）

跟踪圆弧的轮廓

原始图像：

大津阈值后的图像：

阈值+关闭：

闭合图像的轮廓：

如您所见，闭合图像不会创建实心圆弧。闭合会进一步导致圆弧失去形状。绿线是闭合图像的轮廓。蓝线是用

approxpolyDP（）

创建的，但我无法让它工作。有没有更好的方法来掩盖图像中的弧线

这是我的密码：

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

# read an image
img = cv2.imread('oct.png')

# get gray image and apply Gaussian blur
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
blur = cv2.GaussianBlur(gray, (5, 5), 0)

# get binary image
ret, thresh = cv2.threshold(blur, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)

# close image to "solidify" it
kernel = np.ones((3,3),np.uint8)
closing = cv2.morphologyEx(thresh,cv2.MORPH_CLOSE,kernel, iterations = 3)


# find contours
(_, contours, _) = cv2.findContours(closing, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

cnt = contours[0]
max_area = cv2.contourArea(cnt)

for cont in contours:
    if cv2.contourArea(cont) > max_area:
        cnt = cont
        max_area = cv2.contourArea(cont)

# define main arc contour approx. and hull
perimeter = cv2.arcLength(cnt, True)
epsilon = 0.1 * cv2.arcLength(cnt, True)
approx = cv2.approxPolyDP(cnt, epsilon, True)

# hull = cv2.convexHull(cnt)

# cv2.isContourConvex(cnt)
imgcopy = np.copy(img)
cv2.drawContours(imgcopy, [cnt], -1, (0, 255, 0), 3)
cv2.drawContours(imgcopy, [approx], -1, (0, 0, 255), 3)

# plot figures
plt.figure(1)
plt.imshow(imgcopy, cmap="gray")
plt.figure(2)
plt.imshow(thresh, cmap="gray")
plt.figure(3)
plt.imshow(closing, cmap="gray")

---

你在正确的道路上。如果你先稍微平滑一下图像，你的收尾效果可能会更好。我喜欢在形态学操作结束后应用阈值。在这种情况下，关闭和阈值设置的顺序实际上并不重要，但在最后保持阈值设置有助于以后细化预处理。一旦设置阈值，就会丢失大量信息，需要确保保留所有需要的信息，因此在设置阈值之前正确过滤图像非常重要

下面是一个快速尝试，我相信它可以改进：

import matplotlib.pyplot as pp
import PyDIP as dip

img = pp.imread('/Users/cris/Downloads/MipBB.jpg')
img = img[:,:,0]
smooth = dip.Gauss(img, [3])        # Gaussian smoothing with sigma=3
smooth = dip.Closing(smooth, 25)    # Note! This uses a disk SE with diameter 25 pixels
out = dip.Threshold(smooth, 'triangle')[0]
pp.imsave('/Users/cris/Downloads/MipBB_out.png', out)

我使用了三角形阈值法（也称为弦方法，或斜双模阈值，见p.L.Rosin，“单模阈值”，模式识别34（11）：2083-20962001），因为它在这种情况下效果更好

---

代码使用，但我确信您可以使用OpenCV重新创建相同的过程。

我建议使用RANSAC方法，使用弧的边缘信息拟合2个椭圆。只需使用canny或任何其他您认为合适的方法即可获得边缘。当然，这种方法只能在圆弧为椭圆时使用。如果是直线，则可以使用直线拟合零件替换椭圆拟合零件

结果如下：

代码如下：

import numpy as np
import cv2
import random as rp


def ransac_ellipse(iter, srcimg, x, y):

    x_size = np.size(x)
    best_count = x_size
    for i in range(iter):

        base = srcimg.copy()

        # get 5 random points
        r1 = int(rp.random() * x_size)
        r2 = int(rp.random() * x_size)  
        r3 = int(rp.random() * x_size)
        r4 = int(rp.random() * x_size)
        r5 = int(rp.random() * x_size)  

        p1 = (x[r1],y[r1])
        p2 = (x[r2],y[r2])
        p3 = (x[r3],y[r3])
        p4 = (x[r4],y[r4])
        p5 = (x[r5],y[r5])

        p_set = np.array((p1,p2,p3,p4,p5))

        # fit ellipse
        ellipse = cv2.fitEllipse(p_set)

        # remove intersected ellipse
        cv2.ellipse(base,ellipse,(0),1)

        # count remain
        local_count = cv2.countNonZero(base)

        # if count is smaller than best, update
        if local_count < best_count:
            best_count = local_count
            best_ellipse = ellipse


    return best_ellipse

img = cv2.imread('arc.jpg',0)

# Speed up and remove noise
small = cv2.resize(img,(0,0),fx = 0.25,fy = 0.25)

# remove remaining noise
median = cv2.medianBlur(small,21)

# get canny edge
edge = cv2.Canny(median,180,20)


cv2.imshow("Edge",edge)


# obtain the non zero locations
y, x = np.where(edge > 0)
# ransac ellipse to get the outter circle
ellipse1 = ransac_ellipse(10000,edge,x,y)


# remove the outter circle
cv2.ellipse(edge,ellipse1,(0),2)

# ransac ellipse to get the inner circle
y, x = np.where(edge > 0)
ellipse2 = ransac_ellipse(10000,edge,x,y)

disp = cv2.cvtColor(small,cv2.COLOR_GRAY2BGR)
cv2.ellipse(disp,ellipse1,(0,0,255),1)
cv2.ellipse(disp,ellipse2,(0,0,255),1)


cv2.imshow("result",disp)
cv2.waitKey(0)

将numpy导入为np
进口cv2
将随机导入为rp
def ransac_椭圆（iter，srcimg，x，y）：
x_尺寸=np.尺寸（x）
最佳数量=x尺寸
对于范围内的i（iter）：
base=srcimg.copy（）
#获得5个随机点
r1=int（rp.random（）*x_大小）
r2=int（rp.random（）*x_大小）
r3=int（rp.random（）*x_大小）
r4=int（rp.random（）*x_大小）
r5=int（rp.random（）*x_大小）
p1=（x[r1]，y[r1]）
p2=（x[r2]，y[r2]）
p3=（x[r3]，y[r3]）
p4=（x[r4]，y[r4]）
p5=（x[r5]，y[r5]）
p_集=np.数组（（p1，p2，p3，p4，p5））
#拟合椭圆
椭圆=cv2.fitEllipse（p_集）
#删除相交椭圆
椭圆（底面，椭圆，（0），1）
#余数
本地计数=cv2。计数非零（基）
#如果计数小于最佳值，则更新
如果本地计数<最佳计数：
最佳计数=本地计数
最佳椭圆=椭圆
返回最佳椭圆
img=cv2.imread（'arc.jpg'，0）
#加速并消除噪音
小=cv2。调整大小（img，（0,0），fx=0.25，fy=0.25）
#消除剩余噪音
中位数=cv2。中位数（小，21）
#机灵
边缘=cv2.Canny（中值，180,20）
cv2.imshow（“边缘”，边缘）
#获取非零位置
y、 x=np.其中（边>0）
#拉萨克椭圆得到外圆
椭圆E1=ransac_椭圆（10000，边，x，y）
#拆下外圆
cv2.椭圆（边，椭圆1，（0），2）
#用拉萨克椭圆得到内圈
y、 x=np.其中（边>0）
椭圆E2=ransac_椭圆（10000，边，x，y）
disp=cv2.CVT颜色（小，cv2.COLOR_GRAY2BGR）
cv2.椭圆（显示，椭圆1，（0,0255），1）
cv2.椭圆（显示，椭圆2，（0,0255），1）
cv2.imshow（“结果”，显示）
cv2.等待键（0）

一个技巧是在变形闭合的灰色图像上找到精明的边缘，然后在最左边|最右边的点上划线，再次变形，然后在上面找到轮廓@消音器金 , 感谢您花时间回复。您是否使用cv2.Canny（）处理Canny边？如果是，您使用了什么阈值？当我尝试同样的方法时，我会得到一系列代表边缘的虚线。另外，在我的代码中，变形是通过相同的过程关闭的吗？@消音器金 另外，在进行第一次变形关闭时，如何消除噪波，但仍然没有模糊的圆弧轮廓？无论何时应用“变形闭合”，它都会扭曲圆弧的轮廓？谢谢我先调整0.5x的大小，然后使用内核5进行medianBlur以减少噪音，然后使用椭圆内核5x5迭代=2进行变形关闭，然后使用canny（50200）获得边缘。这只是一个玩具尝试，太复杂，不太稳定。