基于Python的OpenCV輪廓檢測(cè)聚類

點(diǎn)擊上方“小白學(xué)視覺”，選擇加"星標(biāo)"或“置頂”

重磅干貨，第一時(shí)間送達(dá)

OpenCV的“findContours”功能經(jīng)常被計(jì)算機(jī)視覺工程師用來檢測(cè)物體。OpenCV的存在，使得我們只需要編寫幾行代碼就可以檢測(cè)輪廓（對(duì)象）。然而，OpenCV檢測(cè)到的輪廓通常是分散的。例如，一個(gè)功能豐富的圖像可能有數(shù)百到數(shù)千個(gè)輪廓，但這并不意味著圖像中有那么多對(duì)象。一些屬于同一對(duì)象的輪廓是單獨(dú)檢測(cè)的，因此我們感興趣的是對(duì)它們進(jìn)行分組，使一個(gè)輪廓對(duì)應(yīng)一個(gè)對(duì)象。

當(dāng)我在項(xiàng)目中遇到這個(gè)問題時(shí)，我花了很多時(shí)間嘗試使用不同的參數(shù)或不同的OpenCV函數(shù)來檢測(cè)輪廓，但沒有一個(gè)有效。然后，我做了更多的研究，在OpenCV的論壇上找到了一篇帖子，它提到了凝聚聚類。但是，沒有給出源代碼。我還發(fā)現(xiàn)sklearn支持聚合聚類，但我沒有使用它，原因有兩個(gè)：

1. 這個(gè)功能對(duì)我來說似乎很復(fù)雜。我不知道如何輸入正確的參數(shù)，我懷疑輪廓檢測(cè)的數(shù)據(jù)類型是否適合該函數(shù)。
2. 我需要使用python 2.7、OpenCV 3.3.1和Numpy 1.11.3。它們與sklearn的版本（0.20+）不兼容，后者支持聚類。

為了分享我編寫的函數(shù)，我在Github中對(duì)其進(jìn)行了開源，并將其作為要點(diǎn)發(fā)布在下面。以下版本適用于Python3，若需要要在Python2.7中使用它，只需將“range”更改為“xrange”。

#!/usr/bin/env python3
import osimport cv2import numpy
def calculate_contour_distance(contour1, contour2):     x1, y1, w1, h1 = cv2.boundingRect(contour1)    c_x1 = x1 + w1/2    c_y1 = y1 + h1/2
    x2, y2, w2, h2 = cv2.boundingRect(contour2)    c_x2 = x2 + w2/2    c_y2 = y2 + h2/2
    return max(abs(c_x1 - c_x2) - (w1 + w2)/2, abs(c_y1 - c_y2) - (h1 + h2)/2)
def merge_contours(contour1, contour2):    return numpy.concatenate((contour1, contour2), axis=0)
def agglomerative_cluster(contours, threshold_distance=40.0):    current_contours = contours    while len(current_contours) > 1:        min_distance = None        min_coordinate = None
        for x in range(len(current_contours)-1):            for y in range(x+1, len(current_contours)):                distance = calculate_contour_distance(current_contours[x], current_contours[y])                if min_distance is None:                    min_distance = distance                    min_coordinate = (x, y)                elif distance < min_distance:                    min_distance = distance                    min_coordinate = (x, y)
        if min_distance < threshold_distance:            index1, index2 = min_coordinate            current_contours[index1] = merge_contours(current_contours[index1], current_contours[index2])            del current_contours[index2]        else:             break
    return current_contours

注意：

• “calculate_contour_distance”函數(shù)獲取輪廓的邊界框，并計(jì)算兩個(gè)矩形之間的距離。

• “merge_contours”函數(shù)，我們只需使用'numpy.concatenate'即可，因?yàn)槊總€(gè)輪廓只是一個(gè)點(diǎn)的numpy數(shù)組。

• 使用聚類算法，我們不需要事先知道有多少個(gè)聚類。相反，可以向函數(shù)提供閾值距離，例如40個(gè)像素，因此如果所有輪廓中最近的距離大于閾值，則函數(shù)將停止處理。

要可視化集群效果，請(qǐng)參見下面的兩幅圖像。第一幅圖像顯示最初檢測(cè)到12個(gè)輪廓，聚類后只剩下4個(gè)輪廓，如第二幅圖像所示。這兩個(gè)小對(duì)象是由于噪聲造成的，它們沒有合并，因?yàn)榕c閾值距離相比，它們離太遠(yuǎn)。

GITHUB代碼鏈接：

https://github.com/CullenSUN/fish_vision/blob/master/obstacle_detector_node/src/opencv_utils.py

交流群

歡迎加入公眾號(hào)讀者群一起和同行交流，目前有SLAM、三維視覺、傳感器、自動(dòng)駕駛、計(jì)算攝影、檢測(cè)、分割、識(shí)別、醫(yī)學(xué)影像、GAN、算法競(jìng)賽等微信群（以后會(huì)逐漸細(xì)分），請(qǐng)掃描下面微信號(hào)加群，備注：”昵稱+學(xué)校/公司+研究方向“，例如：”張三?+?上海交大?+?視覺SLAM“。請(qǐng)按照格式備注，否則不予通過。添加成功后會(huì)根據(jù)研究方向邀請(qǐng)進(jìn)入相關(guān)微信群。請(qǐng)勿在群內(nèi)發(fā)送廣告，否則會(huì)請(qǐng)出群，謝謝理解~