邊緣和輪廓檢測——計算機視覺的應(yīng)用

↑ 點擊藍字?關(guān)注極市平臺

作者丨磐懟懟

來源丨深度學(xué)習(xí)與計算機視覺

編輯丨極市平臺

極市導(dǎo)讀

?

計算機視覺的重點是從計算機中的視頻和圖像中提取有意義的信息。在本文中，我們將從初學(xué)者開始探索一個使用 OpenCV 的出色計算機視覺項目。對于此項目，你還將看到描述、源代碼和圖像分類。?>>加入極市CV技術(shù)交流群，走在計算機視覺的最前沿

邊緣檢測

邊緣檢測是一種用于定位圖像中對象邊界的圖像處理技術(shù)。最流行和廣泛使用的算法之一是 Canny 邊緣檢測器。

Canny 邊緣檢測器是一種立足點檢測算子，它使用多階段算法來檢測圖像中的各種邊緣。

主要階段是：

1. 使用高斯模糊算法，過濾掉圖像。
2. 在 Sobel 濾波器的幫助下，找出邊緣的強度和方向。
3. 通過應(yīng)用非極大值抑制來隔離更強的邊緣并將它們細化為一條像素寬的線。
4. 使用滯后來隔離最簡單的邊緣。

下面我們安裝 OpenCV ：

pip3?install?opencv-python?matplotlib?numpy

打開一個 Python 文件并按照以下步驟操作：

import?cv2
import?numpy?as?np
import?matplotlib.pyplot?as?plt

現(xiàn)在為了檢測它的邊緣，我們必須讀取圖像：

#?read?the?image
image?=?cv2.imread("little_flower.jpg")

首先，我們必須將圖像轉(zhuǎn)換為灰度，然后，我們可以繼續(xù)將圖像繞過 Canny 邊緣檢測器。

我們來看一下：

#?convert?it?to?grayscale
gray?=?cv2.cvtColor(image,?cv2.COLOR_BGR2GRAY)

讓我們來看看它：

#?show?the?grayscale?image
plt.imshow(gray,?cmap="gray")
plt.show()

在 Canny 算法的幫助下，我們必須標(biāo)記作為輸入的圖像中的邊緣。

輸入圖像首先傳遞給 cv2.Canny() 函數(shù)，然后用于邊緣檢測。

#?perform?the?canny?edge?detector?to?detect?image?edges
edges?=?cv2.Canny(gray,?threshold1=30,?threshold2=100)

閾值 1 和閾值 2 之間的最小值用于邊緣鏈接。最重要的值用于尋找強邊緣的初始段。

讓我們看看結(jié)果圖像：

有趣的是，嘗試微調(diào)邊緣值，看看你是否會讓它變得更好。

如果你想使用實時攝像頭，這里是完整的代碼：

import?NumPy?as?np
import?cv2
cap?=?cv2.VideoCapture(0)
while?True:
????_,?frame?=?cap.read()
????gray?=?cv2.cvtColor(frame,?cv2.COLOR_BGR2GRAY)
????edges?=?cv2.Canny(gray,?30,?100)
????cv2.imshow("edges",?edges)
????cv2.imshow("gray",?gray)
????if?cv2.waitKey(1)?==?ord("q"):
????????break
cap.release()
cv2.destroyAllWindows()

檢測邊緣的最終目的是捕捉重要事件并在行星屬性內(nèi)執(zhí)行所需的更改。它是圖像處理、圖像模式識別和計算機視覺技術(shù)的基本步驟之一。

輪廓檢測

一個輪廓可以描述為一條曲線，將所有具有相同顏色或強度的連續(xù)點組合在一起。基本上，它們顯示圖片中包含的對象的形狀。輪廓檢測可能是一種用于形狀分析和對象檢測和識別的有用技術(shù)。

輪廓檢測并不是圖像分割的唯一算法，還有很多其他算法，例如目前最先進的語義分割、霍夫變換和 K-Means 分割。

為了獲得更好的準(zhǔn)確性，我們將遵循以下整個流程來成功檢測圖像中的輪廓：

• 輸入圖像的標(biāo)準(zhǔn)化是它應(yīng)該始終是二進制形式。這就是為什么我們需要將其轉(zhuǎn)換為二進制格式。
• 用于查找輪廓的 OpenCV 函數(shù)是 findContours()。
• 最后，我們必須繪制這些輪廓來顯示圖像。

好吧，讓我們開始吧。

首先，讓我們?yōu)檫@個項目安裝所有必需的依賴項：

pip3?install?matplotlib?opencv-python

在這里，我們導(dǎo)入所需的模塊：

import?cv2
import?matplotlib.pyplot?as?plt

讓我們加載本教程中使用的圖像：

#?read?the?image
image?=?cv2.imread("thumbs_up_down.jpg")

將其轉(zhuǎn)換為 RGB，然后轉(zhuǎn)換為灰度：

#?convert?to?RGB
image?=?cv2.cvtColor(image,?cv2.COLOR_BGR2RGB)
#?convert?to?grayscale
gray?=?cv2.cvtColor(image,?cv2.COLOR_RGB2GRAY)

正如本教程前面提到的，我們要創(chuàng)建一個二值圖像，這表明圖像的每個像素要么是黑色的，要么是白色的。

你可以將其進行比較，就像查找輪廓與檢測黑板上的白色物體更相似。我們要找的物體是白色的，所以黑板需要是純黑色的。

#?create?a?binary?thresholded?image
_,?binary?=?cv2.threshold(gray,?225,?255,?cv2.THRESH_BINARY_INV)
#?show?it
plt.imshow(binary,?cmap="gray")
plt.show()

通過禁用像素（即將其設(shè)置為0）和啟用像素（即將其設(shè)置為225），創(chuàng)建二進制圖像。以下是輸出圖像：

現(xiàn)在，對于 OpenCV 來說，這通常很容易檢測輪廓：

#?find?the?contours?from?the?thresholded?image
contours,?hierarchy?=?cv2.findContours(binary,?cv2.RETR_TREE,?cv2.CHAIN_APPROX_SIMPLE)
#?draw?all?contours
image?=?cv2.drawContours(image,?contours,?-1,?(0,?255,?0),?2)

上述代碼很容易找到二值圖像中的輪廓，最后借助粗綠線將它們輸出到圖像中，讓我們展示一下：

#?show?the?image?with?the?drawn?contours
plt.imshow(image)
plt.show()

輸出圖像：

為了在不同的世界圖像上獲得良好的結(jié)果，你需要調(diào)整閾值或執(zhí)行邊緣檢測。例如，對于煎餅圖像，我將邊緣減少到 127，結(jié)果如下：

輪廓檢測和邊緣檢測的區(qū)別

輪廓檢測的目標(biāo)是確定閉合物體的形狀，特別是因為對于具有相同顏色強度的連續(xù)點，尋找輪廓的方法是確定的，而邊緣檢測是通過檢測顏色強度內(nèi)的變化來進行的。對整個圖像進行邊緣檢測，而僅對圖像內(nèi)的對象進行輪廓檢測。

結(jié)論

這個項目是初學(xué)者級別的，面向數(shù)據(jù)科學(xué)愛好者。本文旨在讓你熟悉最簡單的計算機視覺項目，以增強你在計算機視覺方面的知識。

如果覺得有用，就請分享到朋友圈吧！

△點擊卡片關(guān)注極市平臺，獲取最新CV干貨

公眾號后臺回復(fù)“CVPR21檢測”獲取CVPR2021目標(biāo)檢測論文下載～

極市干貨

神經(jīng)網(wǎng)絡(luò)：視覺神經(jīng)網(wǎng)絡(luò)模型優(yōu)秀開源工作：timm庫使用方法和最新代碼解讀

技術(shù)綜述：綜述：神經(jīng)網(wǎng)絡(luò)中 Normalization 的發(fā)展歷程｜CNN輕量化模型及其設(shè)計原則綜述

算法技巧（trick）：8點PyTorch提速技巧匯總｜圖像分類算法優(yōu)化技巧

#?CV技術(shù)社群邀請函?#

△長按添加極市小助手

添加極市小助手微信（ID : cvmart4）

備注：姓名-學(xué)校/公司-研究方向-城市（如：小極-北大-目標(biāo)檢測-深圳）

即可申請加入極市目標(biāo)檢測/圖像分割/工業(yè)檢測/人臉/醫(yī)學(xué)影像/3D/SLAM/自動駕駛/超分辨率/姿態(tài)估計/ReID/GAN/圖像增強/OCR/視頻理解等技術(shù)交流群

每月大咖直播分享、真實項目需求對接、求職內(nèi)推、算法競賽、干貨資訊匯總、與?10000+來自港科大、北大、清華、中科院、CMU、騰訊、百度等名校名企視覺開發(fā)者互動交流~

覺得有用麻煩給個在看啦~??