Python 有没有更快的方法来求形状的周长?
我有一张图片显示了一些物体,其中一个物体总是在另一个物体里面。 背景总是黑色的 我想知道两个物体的周长,然后找到一个解决方案。 我使用filterkernel获得每个像素的4邻域。然后我计算像素周围的零像素数。这给出了形状的长度(以像素为单位)。我只计算在这种情况下,如果中心像素是所需的颜色Python 有没有更快的方法来求形状的周长?,python,numpy,opencv,image-processing,scipy,Python,Numpy,Opencv,Image Processing,Scipy,我有一张图片显示了一些物体,其中一个物体总是在另一个物体里面。 背景总是黑色的 我想知道两个物体的周长,然后找到一个解决方案。 我使用filterkernel获得每个像素的4邻域。然后我计算像素周围的零像素数。这给出了形状的长度(以像素为单位)。我只计算在这种情况下,如果中心像素是所需的颜色 from scipy import misc, ndimage import numpy as np import time def get_circumference(arr, only=50, re
from scipy import misc, ndimage
import numpy as np
import time
def get_circumference(arr, only=50, repl=50):
def c_length(values):
# 3rd value is the pixel
if values[2] == only:
return sum([x == 0 or (repl == 0 and x != only) for x in values[[0,1,3,4]]])
return 0
fp = np.array([[0, 1, 0], [1, 1, 1], [0, 1, 0]])
res = ndimage.generic_filter(arr, c_length, footprint=fp)
return np.sum(res, axis=None)
x = ndimage.imread("image.png", mode='L')
tic = time.time()
inner = get_circumference(x, only=255, repl=0)
outer = get_circumference(x, only=128, repl=128)
print("Inner object: {}, outer object: {}, took: {}".format(inner, outer, time.time() - tic))
给我:
Inner object: 510, outer object: 1054, took: 0.8387038707733154
它很好用。但是它非常慢。
单个图像大约需要500到1000毫秒。
因为我需要对几千张图片执行此操作,这将花费太多时间
有没有办法加快速度?我知道,图像将始终包含三种颜色,内部部分将始终被外部部分完全包围。此外,形状永远不会跨越图像边界
当然,实际计算周长有不同的方法。
只要给出一个像素,就有两种可能的解决方案:1或4。
第一种方法仅计算像素数,即单个像素作为单个周长单位进行计数。在后一种情况下,对像素的实际边缘进行计数。
在我的解决方案中,我使用后一种方法来计算周长。
如果仅通过边缘检测和直方图进行计数,则将得到第一个解
这是另一个例子,其中这种差异实际上也可以手动计算:
它由8个灰色像素和一个白色像素组成。
因此,外周长为3+3+3+3=12,内周长为4。
通过直方图进行像素计数,外部为8,内部为1。您可以通过使用形态学腐蚀来解决这一问题,这将改变相邻像素较低的像素的颜色。然后比较两幅图像是否相等,得到以下结果 这些操作应该在OpenCV中可用,并且运行速度比Python代码快得多 还要注意,计算给定颜色的像素数只是计算直方图
更新: 我们更容易做到:
- 以柱状图为例
- 侵蚀
- 再看一次柱状图
Histogram: 0.250 ms
Erosion: 0.050 ms
Histogram: 0.250 ms
Total: 0.550 ms
更好的是:
取图像及其腐蚀的平均值,然后取直方图。轮廓像素以中间灰度值显示
Erosion: 0.060 ms
Average: 0.020 ms
Histogram: 0.230 ms
Total: 0.310 ms
现在的瓶颈是(从文件中)读取图像。如果使用,则可以同时检测给定图像的两个对象的周长。如果图像是自然的,这会有点棘手,但对于其他方法,例如基于区域和形态学的方法,情况就是这样。我使用
OpenCV
进行图像处理,而这个问题对于OpenCV
来说并不难
读取图像并转换为灰色
灰色的门槛
在经过阈值处理的二值图像上查找轮廓
计算每个轮廓的弧长(周长)和面积(如果需要)
阈值为120:
阈值为200:
酷问题!您是否有针对给定图像的“正确答案”以供验证?图像在大小和格式方面是否具有代表性?你能提供一个或两个其他的样本图像吗?请同时提供正确的答案?@MarkSetchell我更新了计数方法,并添加了另一个例子(一个非常极端的例子)。请告诉我大图像的正确答案是什么?你的解看起来很好,显然速度更快,但周长的计算是不同的。但我知道有几种方法可以计算像素化物体的周长,人们无法真正计算图像中圆的精确周长值。就像那些椭圆一样。累积错误必须存在。在对轮廓进行do近似后,值可能会接近。
Th: 120.0
Length: 869.578
Area: 53932.000
Time: 0.002293109893798828s
Th: 200.0
Length: 423.990
Area: 11892.000
Time: 0.0015425682067871094s
## -------------------------------------
#!/usr/bin/python3
# 2018.01.16 10:23:47 CST
# 2018.01.16 12:30:20 CST
"""
Env: Python 3.5 + OpenCV 3.3
"""
import numpy as np
import cv2
import time
def findArc(img, th):
res = img.copy()
print("Th: {}".format(th))
ts = time.time()
## convert to gray
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
## threshold the gray
th, threshed = cv2.threshold(gray, th, 255, cv2.THRESH_BINARY)
## Find contours on the binary threshed image
cnts = cv2.findContours(threshed, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)[-2]
## calcualte
for cnt in cnts:
arclen = cv2.arcLength(cnt, True)
area = cv2.contourArea(cnt)
cv2.drawContours(res, [cnt], -1, (0,255,0), 3, cv2.LINE_AA)
print("Length: {:.3f}\nArea: {:.3f}".format(arclen, area))
print("Time: {}s".format(time.time()-ts))
cv2.imshow("res", res)
cv2.waitKey();cv2.destroyAllWindows()
cv2.imwrite("res_{}.png".format(th), res)
img = cv2.imread("img03.png")
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
findArc(img, 120)
findArc(img, 200)