Python 如何在OpenCV中从图像中提取条带区域？

我试图从这张图像中只提取条纹区域

这就是我要提取的区域

可能有多种方法，也许还有它们的组合

使用阈值、形态学、grabcut操作提取条纹

Gabor滤波器

傅里叶变换

如何从fft2变换中检测条纹的方向

import numpy as np
import cv2 
import os
import sys
from matplotlib import pyplot as plt


plt.figure(figsize=(12, 12))
gray = cv2.imread('zebra.jpg',0)    
f = np.fft.fft2(gray)
fshift = np.fft.fftshift(f)
magnitude_spectrum = 20*np.log(np.abs(fshift))
imgs_comb = np.hstack([gray,magnitude_spectrum])
plt.axis('off')
plt.title('magnitude_spectrum')
plt.imshow(imgs_comb,cmap='gray')   
plt.show()

这组图像在路面类型、油漆新近度方面都是独一无二的。油漆经常会随着时间的推移而磨损。尽管有这些变化，FFT图像始终给我正确的方向和频率。结果看起来很有希望，因为我可以直观地看到模式的频率代表以及它们的方向（图像中主要的垂直模式）

如何使用fft图像过滤掉其他区域？ 赞赏使用其他方法的其他建议

---

这里是一种使用阈值+形态学的方法，而不是使用fft2。其思想是通过大津阈值获得二值图像，然后使用形态学检测水平线。在此，我们将检测到的线条绘制到遮罩上，然后执行附加的形态学操作，将条纹组合成单个轮廓。从这里我们找到边界矩形并提取ROI

---

大津的阈值

->

在掩模上画线

->

打开/关闭

->

检测到的ROI

->

提取的ROI

import cv2
import numpy as np

image = cv2.imread('1.jpg')
mask = np.zeros(image.shape, dtype=np.uint8)
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
thresh = cv2.threshold(gray, 0 ,255, cv2.THRESH_OTSU + cv2.THRESH_BINARY)[1]

horizontal_kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (30,1))
detect_horizontal = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, horizontal_kernel, iterations=2)
cnts = cv2.findContours(detect_horizontal, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]
for c in cnts:
    cv2.drawContours(mask, [c], -1, (255,255,255), 5)

mask = cv2.cvtColor(mask, cv2.COLOR_BGR2GRAY)
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3,5))
close = cv2.morphologyEx(mask, cv2.MORPH_CLOSE, kernel, iterations=3)
opening = cv2.morphologyEx(close, cv2.MORPH_OPEN, kernel, iterations=2)

x,y,w,h = cv2.boundingRect(opening)
ROI = image[y:y+h, x:x+w]

cv2.imshow('thresh', thresh)
cv2.imshow('mask', mask)
cv2.imshow('opening', opening)
cv2.imshow('ROI', ROI)
cv2.waitKey()