使用python获取图像中形状的轮廓（x，y）坐标

Question

我需要使用python获得下面图像的轮廓坐标（x，y）的矩阵。

我尝试用OpenCV的精明探测器和发现的轮廓，但我得到了很多的轮廓，我不知道如何让一个我想要的。

import numpy as np 
from matplotlib import pyplot as plt 
import cv2 
#from skimage import measure, feature, io 
#from skimage import img_as_ubyte 

x1 = 330 
xf = 690 
y1 = 0 
yf = 400 

img = cv2.imread('test.tif') 
img = img[y1:yf, x1:xf] 
edge = cv2.Canny(img, 100, 200) 

image, contours, hierarchy = cv2.findContours(edge, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE) 

我只需要与（X，Y）坐标的数组轮廓。我认为这是在cv2.findContours()轮廓输出的，但我没有找到我想要的轮廓......

我也试图与matplotlib.pyplot.contour功能：

import cv2 
import numpy as np 
from matplotlib import pyplot as plt 

img = cv2.imread('test.tif', 0) # read image 
img = cv2.threshold(img, 0, 255, cv2.THRESH_OTSU)[1] # threshold image 
img = cv2.medianBlur(img, 15) # remove noise 

# skeletonize 
size = np.size(img) # get number of pixels 
skel = np.zeros(img.shape, np.uint8) # create an array of zeros with the same shape as the image and 256 gray levels 

element = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (3, 3)) # create a structurant element (cross) 
done = False 

while(not done): 
    eroded = cv2.erode(img, element) 
    temp = cv2.dilate(eroded, element) 
    temp = cv2.subtract(img, temp) 
    skel = cv2.bitwise_or(skel, temp) 
    img = eroded.copy() 
    zeros = size - cv2.countNonZero(img) 
    if zeros == size: 
     done = True 

cs = plt.contour(skel, 1) 
p = cs.collections[0].get_paths()[0] 
v = p.vertices 
x = v[:, 0] 
y = v[:, 1] 

但我一直封闭的轮廓，而不是从图像的左侧到右侧的开放轮廓。

非常感谢您的回答。

Answer 1

你几乎找到了你的问题的答案。首先，边缘检测和轮廓检测是有区别的。基本上，边缘检测会导致您称之为（不正确）“开放轮廓”（即边缘）和轮廓检测导致您称之为“闭合轮廓”（即轮廓）。

The Canny边缘检测是一种流行的边缘检测算法。由于您想要以（x，y）坐标从图像的左侧到右侧的阵列形式检测边缘，因此Canny边缘检测是个不错的主意。

答案是edge它不是想要的格式。

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

img = cv2.imread('test.tif') 
edge = cv2.Canny(img, 100, 200) 

ans = [] 
for y in range(0, edge.shape[0]): 
    for x in range(0, edge.shape[1]): 
     if edge[y, x] != 0: 
      ans = ans + [[x, y]] 
ans = np.array(ans) 

print(ans.shape) 
print(ans[0:10, :]) 

阵列ans（形状等于(n, 2)）存储n像素构成，其检测到的边缘的（X，Y） - 协调。这是你正在寻找的结果。

这里就是我在白这些n像素已经绘制的图像：

我希望这会帮助你。