Python 从边缘图像中提取成分并存储以供进一步处理

输入

给定一个边缘图像，我希望逐个检索其中的组件，并将每个组件存储为一个图像，以便稍后使用它进行处理。我想这就是所谓的连接组件标签

例如，在输入图像中，有2条直线、1个圆、2条曲线 我想创建5个包含这5个组件的图像文件

我能够想出如下代码，但我不知道如何进一步进行。目前，我得到的所有组件的颜色在不同的颜色输出

      import scipy
      from skimage import io
      from scipy import ndimage
      import matplotlib.pyplot as plt
      import cv2
      import numpy as np

    fname='..//Desktop//test1.png'
    img = cv2.imread(fname)
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

    #canny
   img_canny = cv2.Canny(img,100,200)

   threshold = 50

   # find connected components
   labeled, nr_objects = ndimage.label(img_canny) 
   print('Number of objects is %d'% nr_objects)

   plt.imsave('..//Desktop//out.png', labeled)

输出

新输出

这是：

---

然后，您将看到每个标签对应一个标签。也可以使用for循环。。。如果您有任何问题，请留下评论。

您可能不需要使用

cv2.canny（）

来分割轮廓，您可以简单地使用二进制阈值技术，如下所示：

img = cv2.imread("/path/to/img.png")
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(img_gray, 130, 255, cv2.THRESH_BINARY_INV)

# Opencv v3.x
im, contours, hierarchy = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)

for i in xrange(len(contours)):
    rect = cv2.boundingRect(contours[i])
    contour_component = img[rect[1]:rect[1] + rect[3], rect[0]:rect[0] + rect[2]]

    cv2.imwrite("component_{}.png".format(i), contour_component)

---

谢谢@api55输出：对象的数量是149（我想我必须存储149个组件），只有一个像@Azhar这样的图像，这是因为您使用的是canny，而不是所有组件都相互接触。您可以尝试使用连接的组件，然后使用canny或FindOntours，这就是ZdaR建议的：）

   for i in range(num):
      tmp = np.zeros(labeled.shape)
      tmp[labeled == i] = 255
      plt.imshow(tmp)

img = cv2.imread("/path/to/img.png")
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(img_gray, 130, 255, cv2.THRESH_BINARY_INV)

# Opencv v3.x
im, contours, hierarchy = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)

for i in xrange(len(contours)):
    rect = cv2.boundingRect(contours[i])
    contour_component = img[rect[1]:rect[1] + rect[3], rect[0]:rect[0] + rect[2]]

    cv2.imwrite("component_{}.png".format(i), contour_component)