如何用Python中openCV轮廓区域指定的颜色填充openCV轮廓？

我对生物细胞进行了分割和二元化，并使用openCV提取了轮廓的区域和周长。我试图根据参数q=周长/Sqrt（面积）使用颜色映射对每个单元格进行标记和着色，但我甚至不知道从哪里开始。根据该值，每个单元格基本上都有一个唯一的颜色

任何帮助都将不胜感激！以下是我到目前为止的情况：

> #specify folders
filelocat = '/Users/kate/Desktop/SegmenterTest3/SegmentedCells/'

#process image
img = cv2.imread(str(filelocat) + 'Seg3.png')
image = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
thresh = cv2.threshold(image, 60, 255, cv2.THRESH_BINARY)[1]
kernel = np.ones((20,20), np.uint8)
closing = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, kernel)
#inverts image so that the objects are white (for analysis)
imagem = cv2.bitwise_not(closing)

#Find contours
cnts = cv2.findContours(imagem.copy(), cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)
cnts = imutils.grab_contours(cnts)

#calculate moments and extract cell shape info
moment_dict = {}
for index, cnt in enumerate(cnts):
    moment_dict[index] = cv2.moments(cnt)
    
obj_properties = {}
for index, (key, obj_moments) in enumerate(moment_dict.items()):
    if obj_moments['m00'] > 1000 and obj_moments['m00'] < 20000:
        area = obj_moments['m00']
        cx = obj_moments['m10'] / obj_moments['m00']
        cy = obj_moments['m01'] / obj_moments['m00']
        peri = cv2.arcLength(cnts[index], True)
        q = (peri/(math.sqrt(area)))
        props = {}
        props['q']=q
        props['peri']=peri
        props['area']=area
        props['cx']=cx
        props['cy']=cy
        obj_properties[key] = props

#指定文件夹
filelocat='/Users/kate/Desktop/SegmenterTest3/SegmentedCells/'
#处理图像
img=cv2.imread（str（filelocat）+'Seg3.png'）
图像=cv2.CVT颜色（img，cv2.COLOR\u BGR2GRAY）
thresh=cv2.threshold（图像，60255，cv2.thresh_二进制）[1]
kernel=np.one（（20,20），np.uint8）
closing=cv2.morphologyEx（thresh，cv2.MORPH\u CLOSE，kernel）
#反转图像，使对象为白色（用于分析）
imagem=cv2。按位\u非（关闭）
#寻找轮廓
cnts=cv2.findContours（imagem.copy（），cv2.RETR\u LIST，cv2.CHAIN\u近似值\u SIMPLE）
cnts=imutils.GRAP_轮廓（cnts）
#计算矩并提取单元形状信息
力矩_dict={}
对于索引，枚举中的cnt（cnt）：
力矩[index]=cv2.力矩（cnt）
obj_属性={}
对于枚举（矩dict.items（））中的索引（键，对象矩）：
如果obj_矩['m00']>1000且obj_矩['m00']<20000：
面积=obj_力矩['m00']
cx=obj_矩['m10']/obj_矩['m00']
cy=obj_矩['m01']/obj_矩['m00']
peri=cv2.弧长（cnts[指数]，真）
q=（周长/（数学sqrt（面积）））
道具={}
道具['q']=q
道具['peri']=peri
道具['area']=面积
道具['cx']=cx
道具['cy']=cy
obj_属性[键]=道具

---

谢谢你的帮助

要解决这个问题，您需要收集所有的q值，以便根据观察到的q值范围对它们进行缩放。您可以使用如下列表来完成此操作：

obj\u properties.items（）中k的所有\u q=[v['q']，v

您还需要选择一些颜色贴图。根据前面评论中的建议，我将此作为读者的练习。简单来说，只要将q值缩放到8位RGB，就可以看到初步结果

请参阅下面的完整代码。请注意，

时刻表中的
索引
是
对象属性
字典中的键，因此整个
枚举
构造是不必要的。我冒昧地把
enumerate
全部删除了。无论如何，过滤循环都会拾取正确的轮廓索引。根据标准选择轮廓后，收集所有q并计算其最小/最大/范围。然后用这些来衡量个人的q的任何规模你需要。在下面的示例中，我将其缩放为绿色组件的8位值。你可以根据自己的意愿选择红色和蓝色

请注意，在这张图中，大多数q值在4.0-4.25范围内，少数异常值在5.50（绘制直方图以查看该分布）。这会使颜色贴图倾斜，因此大多数单元格的颜色都非常相似。然而，我希望这能帮助你开始。我建议对q应用对数函数，以便直观地“展开”其分布的低端


编辑：用matplotlib中的颜色贴图替换了基本颜色贴图。有关所有可能的颜色贴图选项，请参阅

导入matplotlib.pyplot作为plt
输入数学
导入操作系统
进口cv2
导入imutils
将numpy作为np导入
#指定文件夹
filelocat='/Users/kate/Desktop/SegmenterTest3/SegmentedCells/'
#处理图像
img=cv2.imread（os.path.join（filelocat，'Seg3.png'））
图像=cv2.CVT颜色（img，cv2.COLOR\u BGR2GRAY）
thresh=cv2.threshold（图像，60255，cv2.thresh_二进制）[1]
内核=np.ones（（20，20），np.uint8）
closing=cv2.morphologyEx（thresh，cv2.MORPH\u CLOSE，kernel）
#反转图像，使对象为白色（用于分析）
imagem=cv2。按位\u非（关闭）
#寻找轮廓
cnts=cv2.findContours（imagem.copy（），cv2.RETR\u LIST，cv2.CHAIN\u近似值\u SIMPLE）
cnts=imutils.GRAP_轮廓（cnts）
#计算矩并提取单元形状信息
力矩_dict={}
对于索引，枚举中的cnt（cnt）：
力矩[index]=cv2.力矩（cnt）
obj_属性={}
对于索引，矩量表项（）中的对象矩：
如果obj_矩['m00']>1000且obj_矩['m00']<20000：
面积=obj_力矩['m00']
cx=obj_矩['m10']/obj_矩['m00']
cy=obj_矩['m01']/obj_矩['m00']
peri=cv2.弧长（cnts[指数]，真）
q=（周长/（数学sqrt（面积）））
道具={}
道具['q']=q
道具['peri']=peri
道具['area']=面积
道具['cx']=cx
道具['cy']=cy
obj_属性[索引]=道具
obj_properties.items（）中k和v的所有_q=[v['q']
最小值=最小值（所有值）
max_q=max（全部）
范围=最大值-最小值
#q标量到BGR值的颜色映射
cmap=plt.cm.get_cmap（“地形”）
对于索引，在obj_properties.items（）中使用prop：
v=（道具['q']-min_q）/range_q
r、 g，b，a=[int（x）表示cmap中的x（v，bytes=True）]
cv2.拉伸轮廓（img，CNT，指数，（b，g，r），-1）
cv2.imwrite（'colored.png'，img）
cv2.imshow（“生物细胞”，img）
cv2.等待键（10000）
颜色可以是随机的，还是必须是唯一的颜色列表？理想情况下，我希望使用颜色贴图来表示值的渐变，但任何颜色贴图都可以！若要使用特定的颜色贴图，您必须根据不同的区域定义尽可能多的颜色，绘制轮廓时必须知道这些颜色。在谷歌搜索
python opencv draw random colors
。你会找到答案，比如用随机颜色绘制的和。哇，这太棒了！非常感谢。我已经成功地将其应用到了细胞上，并对它们进行了很好的标记。现在我想弄清楚如何移除外部细胞
import matplotlib.pyplot as plt
import math
import os
import cv2
import imutils
import numpy as np
# specify folders
filelocat = '/Users/kate/Desktop/SegmenterTest3/SegmentedCells/'

# process image
img = cv2.imread(os.path.join(filelocat, 'Seg3.png'))
image = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
thresh = cv2.threshold(image, 60, 255, cv2.THRESH_BINARY)[1]
kernel = np.ones((20, 20), np.uint8)
closing = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, kernel)
# inverts image so that the objects are white (for analysis)
imagem = cv2.bitwise_not(closing)

# Find contours
cnts = cv2.findContours(imagem.copy(), cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)
cnts = imutils.grab_contours(cnts)

# calculate moments and extract cell shape info
moment_dict = {}
for index, cnt in enumerate(cnts):
    moment_dict[index] = cv2.moments(cnt)

obj_properties = {}
for index, obj_moments in moment_dict.items():
    if obj_moments['m00'] > 1000 and obj_moments['m00'] < 20000:
        area = obj_moments['m00']
        cx = obj_moments['m10'] / obj_moments['m00']
        cy = obj_moments['m01'] / obj_moments['m00']
        peri = cv2.arcLength(cnts[index], True)
        q = (peri/(math.sqrt(area)))
        props = {}
        props['q'] = q
        props['peri'] = peri
        props['area'] = area
        props['cx'] = cx
        props['cy'] = cy
        obj_properties[index] = props

all_the_q = [v['q'] for k, v in obj_properties.items()]
min_q = min(all_the_q)
max_q = max(all_the_q)
range_q = max_q - min_q

# colormapping of q scalars to BGR values
cmap = plt.cm.get_cmap('terrain')
for index, prop in obj_properties.items():
    v = (prop['q'] - min_q) / range_q
    r, g, b, a = [int(x) for x in cmap(v, bytes=True)]
    cv2.drawContours(img, cnts, index, (b, g, r), -1)

cv2.imwrite('colored.png', img)
cv2.imshow('Biocells', img)
cv2.waitKey(10000)