Python 如何使用opencv轮廓裁剪对象/从图像中获取位置信息

我使用Unrelcv从UE4生成了图像，每个图像都有RGB和掩码格式。每个图像只包含一个对象，并且还显示背景。大多数情况下，对象形状为矩形/正方形。我想裁剪，以及有对象的位置只。我知道如果我得到的位置使用轮廓然后裁剪是很容易的。我也为一些物体做过。但问题是对于每一个它不起作用的物体。有时是说没有检测到轮廓，有时是检测到错误的轮廓。我的问题是，对于我的每一张照片，有没有什么可以解决的基本事实

到目前为止，我已经完成了转换BGR2GRAY，然后做了阈值（自适应阈值也做了），然后尝试找到轮廓。我也尝试过在转换BGR2HSV后执行这些步骤，但每次都失败了我正在给出我尝试过的代码

import numpy as np
import cv2
import os

rgb=cv2.imread('image_path/rgb_1.png')
mask = cv2.imread('image_path/mask_1.png')

imgray=cv2.cvtColor(mask,cv2.COLOR_BGR2GRAY)

ret,thresh = cv2.threshold(imgray,127,255,0)
# ret,thresh = cv2.threshold(imgray,127,255,cv2.THRESH_BINARY_INV)
# thresh = cv2.adaptiveThreshold(imgray,255,cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY,11,2)
# thresh = cv2.adaptiveThreshold(imgray,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C,cv2.THRESH_BINARY,11,2)
#Here I have given all the thresholding way that I have tried

image, contours, hierarchy =  cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
if len(contours)>0:
    print('here length of contours: ',len(contours))
    cnt=contours[0]
    x,y,w,h = cv2.boundingRect(cnt)

    draw_contour_mask=cv2.rectangle(mask,(x,y),(x+w,y+h),(255,255,255),1) #draw this box on masked image
    # cv2.imshow('rec_mask',draw_contour_mask)

    draw_contour_rgb=cv2.rectangle(rgb,(x,y),(x+w,y+h),(255,255,255),1) #draw this box on rgb image
    # cv2.imshow('rec_rgb_chair',draw_contour_rgb)

    crop_rgb = draw_contour_rgb[y:y+h, x:x+w] #to crop the applied bounded box
    cv2.imshow("cropped_chair", crop_rgb)


    if cv2.waitKey() == ord('q'): #press q to close the output image window
        cv2.destroyAllWindows()
else:
    print('Now length of contours: ',len(contours))
    pass

if cv2.waitKey() == ord('q'): #press q to close the output image window
        cv2.destroyAllWindows()

此处[为方便起见，提供了一些示例图像

如果你需要更多的信息，请告诉我。

---

希望得到回应并解决问题。

这里有一个使用一些过滤的简单方法。其主要思想是：

• 将图像转换为灰度
• 执行Canny边缘检测
• 放大图像以连接损坏的组件
• 查找轮廓并使用纵横比进行过滤
• 裁剪所需的ROI

从您的“蒙版图像2”开始，我们执行canny边缘检测

接下来，我们将其放大以连接轮廓

然后我们找到轮廓并过滤ROI。对于矩形/正方形，纵横比可能介于

0.8

和

1.6

之间，但可能因图像而异。要检测其他对象，可以更改纵横比。如果需要更多的过滤，可以使用

cv2.contourArea（）

添加最小/最大轮廓区域

一旦我们获得了所需的ROI，我们就绘制边界框，并使用一个简单的图形裁剪图像

导入cv2
原始图像=cv2.imread（'1.png'）
original\u copy=原始图像。copy（）
image=cv2.imread（'2.png'）
灰色=cv2.CVT颜色（图像，cv2.COLOR\u BGR2GRAY）
canny=cv2.canny（灰色，130255，1）
kernel=cv2.getStructuringElement（cv2.morp_RECT，（3,3））
explate=cv2.explate（canny，内核，迭代次数=1）
cnts=cv2.查找对象（扩张、cv2.RETR\u树、cv2.链近似\u简单）
如果len（cnts）==2个其他cnts[1]，则cnts=cnts[0]
对于碳纳米管中的碳：
peri=cv2.弧长（c，真）
近似值=cv2.近似聚合度（c，0.01*peri，真）
x、 y，w，h=cv2.边界矩形（近似值）
纵横比=宽/浮点数（h）
如果（纵横比>=0.8和纵横比谢谢你的回复。我已经使用遮罩图像转换为灰色。问题还没有解决。它正在创建。我每时每刻都有4种不同的类型。有没有办法，我可以使用没有对象的图像从RGB图像提取对象？我不明白你的意思。因为你在蒙版上，你可以找到它的轮廓，然后使用边界框坐标来抓取ROIyes@Nathance我也认为，但问题是图像的预处理并不能为所有图像提供良好的结果。这就是为什么有时裁剪的部分是完全错误的。
ROI = original_copy[y:y+h, x:x+w]

import cv2

original_image = cv2.imread('1.png')
original_copy = original_image.copy()
image = cv2.imread('2.png')
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
canny = cv2.Canny(gray, 130, 255, 1)
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3,3))
dilate = cv2.dilate(canny, kernel, iterations=1)

cnts = cv2.findContours(dilate, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]

for c in cnts:
    peri = cv2.arcLength(c, True)
    approx = cv2.approxPolyDP(c, 0.01 * peri, True)
    x,y,w,h = cv2.boundingRect(approx)
    aspect_ratio = w / float(h)

    if (aspect_ratio >= 0.8 and aspect_ratio <= 1.6):
        ROI = original_copy[y:y+h, x:x+w]
        cv2.rectangle(original_image,(x,y),(x+w,y+h),(0,255,0),3)

cv2.imshow('canny', canny)
cv2.imshow('dilate', dilate)
cv2.imshow('original image', original_image)
cv2.imshow('ROI', ROI)
cv2.waitKey(0)