Python 第三方opencv庫實現影象分割處理

2022-06-21 22:01:16

前言

所需要安裝的庫有：

pip install opencv-python

pip install matplotlib

Python介面幫助檔案網址：https://docs.opencv.org/4.5.2/d6/d00/tutorial_py_root.html

本文所用到的圖片素材：

首先，匯入所用到的庫：

import cv2
import os,shutil
from matplotlib import pyplot as plt

1.載入圖片

注意：這裡在傳入影象路徑時，路徑中不能包含有中文名，否則會報錯！！！

###1，載入圖片
filepath = './testImage.png'  ###影象路徑，注意：這裡的路徑不能包含有中文名
img = cv2.imread(filepath)
cv2.imshow('Orignal img', img)  ###顯示圖片
cv2.waitKey(0) ###防止一閃而過，是一個鍵盤繫結函數（0表示按下任意鍵終止）

2.對圖片做灰度處理

###2，將彩色圖片變為灰色（進行灰度處理）
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
cv2.imshow('img_gray', img_gray)
cv2.waitKey(0)

3.對圖片做二值化處理

thresh=220是自定義設定的閾值(通過分析print(img_gray)的影象資料大概得到的)，畫素值大於220被置成了0，小於220的被置成了255。

maxval=與 THRESH_BINARY 和 THRESH_BINARY_INV 閾值一起使用的最大值，可理解是填充色，範圍為（0～255）。

type：引數型別閾值型別（ cv2.THRESH_BINARY 大於閾值的部分被置為255，小於部分被置為0（黑白二值） cv2.THRESH_BINARY_INV 大於閾值部分被置為0，小於部分被置為255（黑白二值反轉——白黑）等其它的型別...... ）

###3，將圖片做二值化處理
    '''
        thresh=220是自定義設定的閾值(通過分析print(img_gray)的影象資料大概得到的)，畫素值大於220被置成了0，小於220的被置成了255
        maxval=與 THRESH_BINARY 和 THRESH_BINARY_INV 閾值一起使用的最大值，可理解是填充色，範圍為（0～255）。
        type：引數型別閾值型別（
              cv2.THRESH_BINARY 大於閾值的部分被置為255，小於部分被置為0（黑白二值）
              cv2.THRESH_BINARY_INV 大於閾值部分被置為0，小於部分被置為255（黑白二值反轉——白黑）
              等其它的型別......
              ）
        '''
ret, img_inv = cv2.threshold(src=img_gray, thresh=220, maxval=255, type=cv2.THRESH_BINARY_INV)
cv2.imshow('img_inv', img_inv)
cv2.waitKey(0)

3.1.自定義閾值

###閾值對比（全域性閾值（v = 127），自適應平均閾值，自適應高斯閾值）
def threshContrast():
    filepath = './testImage.png'
    img = cv2.imread(filepath)
    img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    img_gray = cv2.medianBlur(img_gray, 5)
    ret1, th1 = cv2.threshold(img_gray, 127, 255, cv2.THRESH_BINARY)
    th2 = cv2.adaptiveThreshold(img_gray, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 11, 2)
    th3 = cv2.adaptiveThreshold(img_gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 11, 2)
    title = ['原始影象(灰度)','全域性閾值（v = 127）','自適應平均閾值','自適應高斯閾值']
    images = [img_gray, th1, th2, th3]
    for i in range(4):
        plt.subplot(2, 2, i + 1), plt.imshow(images[i], 'gray')
        # plt.title(title[i]) ###plt繪圖時不能使用中文
        plt.xticks([]), plt.yticks([])
    plt.show()

4.提取輪廓

img_inv是尋找輪廓的影象；

cv2.RETR_EXTERNAL：表示只檢索極端外部輪廓；
cv2.CHAIN_APPROX_SIMPLE：壓縮水平, 垂直和對角線方向的元素，只保留它們的端點座標，例如，一個直立的矩形輪廓用 4 個點進行編碼。

###4，提取輪廓
    '''
        https://docs.opencv.org/4.5.2/d4/d73/tutorial_py_contours_begin.html
        img_inv是尋找輪廓的影象；
        cv2.RETR_EXTERNAL：表示只檢索極端外部輪廓；
        cv2.CHAIN_APPROX_SIMPLE：壓縮水平, 垂直和對角線方向的元素，只保留它們的端點座標，例如，一個直立的矩形輪廓用 4 個點進行編碼。
    '''
 contours,hierarchy = cv2.findContours(img_inv, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
 print(f'檢測出輪廓數量有：{len(contours)}個')
 print('返回值為各層輪廓的索引：n', hierarchy)

5.對輪廓畫矩形框

###5，找出每一個輪廓繪畫出的矩形位置
br = []
cntid = 0
for cnt in contours:
        '''cnt表示輸入的輪廓值，x，y, w, h 分別表示外接矩形的x軸和y軸的座標，以及矩形的w寬和h高,'''
    x, y, w, h = cv2.boundingRect(cnt)
    cntid += 1
    print(f'檢測出第{cntid}個輪廓畫出的矩形位置為：x={x},y={y},w={w},h={h}')
    br.append(cv2.boundingRect(cnt))
        '''img表示輸入的需要畫的圖片(這裡就是在原圖上繪製輪廓)，cnt表示輸入的輪廓值，-1表示contours中輪廓的索引(這裡繪製所有的輪廓)，(0, 0, 255)表示rgb顏色——紅色，2表示線條粗細'''
    cv2.drawContours(img, [cnt], -1, (0, 0, 255), 2)
    cv2.imshow('cnt', img)
    cv2.waitKey(0)
br.sort() ###將列表中的每一個元組裡面的進行升序排序（這裡其實想的是按照對應的x軸座標進行升序）

對每個字元畫輪廓的過程（順序從右到左畫，期間也有可能斷續，如下圖）。

6.分割圖片並儲存

###6，分割圖片並儲存（這裡對前面處理過的二值化圖片資料（img_inv）進行分割）
if not os.path.exists('./imageSplit'):
    os.mkdir('./imageSplit')
else:
    shutil.rmtree('./imageSplit')
    os.mkdir('./imageSplit')
for x,y,w,h in br:
    # print(x,y,w,h)
    # split_image = img_inv[y:y + h, x:x + w]
    split_image = img_inv[y - 2:y + h + 2, x - 2:x + w + 2]  ###這樣分割感覺好看些
    cv2.imshow('split_image', split_image)
    cv2.waitKey(0)
    save_filepath = './imageSplit/'
    filename = f'{x}.jpg' ###這裡由每張圖片對應的x軸座標命名
    cv2.imwrite(save_filepath + filename, split_image)
    print(f'33[31m{filename}圖片分割完畢！33[0m')

這裡是對前面處理過的二值化圖片資料（img_inv）進行一個一個字元分割展示的過程。

這裡是這行程式碼的意思，下面的圖是手動繪製的，太醜了，哈哈哈！！！

# split_image = img_inv[y:y + h, x:x + w]

7.檢視分割圖片

最後，我們在pyplot上來檢視我們分割圖片後的效果，也就終於完成了。

###7，用pyplot來檢視我們分割完成後的圖片
imagefile_list = os.listdir('./imageSplit')
imagefile_list.sort(key=lambda x: int(x[:-4]))
for i in range(len(imagefile_list)):
    img = cv2.imread(f'./imageSplit/{imagefile_list[i]}')
    plt.subplot(1, len(imagefile_list), i + 1), plt.imshow(img, 'gray')
    plt.title(imagefile_list[i])
    plt.xticks([]), plt.yticks([])
plt.show()

8.完整程式碼

import cv2
import os,shutil
from matplotlib import pyplot as plt
'''
    這是使用檔案網址:https://docs.opencv.org/4.5.2/index.html
    這是提供的Python介面教學網址：https://docs.opencv.org/4.5.2/d6/d00/tutorial_py_root.html
'''
def imageSplit():
    ###1，載入圖片
    filepath = './testImage.png'  ###影象路徑，注意：這裡的路徑不能包含有中文名
    img = cv2.imread(filepath)
    cv2.imshow('Orignal img', img)  ###顯示圖片
    cv2.waitKey(0) ###防止一閃而過，是一個鍵盤繫結函數（0表示按下任意鍵終止）
 
    ###2，將彩色圖片變為灰色（進行灰度處理）
    img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    cv2.imshow('img_gray', img_gray)
    cv2.waitKey(0)
 
    ###3，將圖片做二值化處理
    '''
        thresh=220是自定義設定的閾值(通過分析print(img_gray)的影象資料大概得到的)，畫素值大於220被置成了0，小於220的被置成了255
        maxval=與 THRESH_BINARY 和 THRESH_BINARY_INV 閾值一起使用的最大值，可理解是填充色，範圍為（0～255）。
        type：引數型別閾值型別（
              cv2.THRESH_BINARY 大於閾值的部分被置為255，小於部分被置為0（黑白二值）
              cv2.THRESH_BINARY_INV 大於閾值部分被置為0，小於部分被置為255（黑白二值反轉——白黑）
              等其它的型別......
              ）
        '''
    ret, img_inv = cv2.threshold(src=img_gray, thresh=220, maxval=255, type=cv2.THRESH_BINARY_INV)
    cv2.imshow('img_inv', img_inv)
    cv2.waitKey(0)
 
    ###4，提取輪廓
    '''
        https://docs.opencv.org/4.5.2/d4/d73/tutorial_py_contours_begin.html
        img_inv是尋找輪廓的影象；
        cv2.RETR_EXTERNAL：表示只檢索極端外部輪廓；
        cv2.CHAIN_APPROX_SIMPLE：壓縮水平, 垂直和對角線方向的元素，只保留它們的端點座標，例如，一個直立的矩形輪廓用 4 個點進行編碼。
    '''
    contours,hierarchy = cv2.findContours(img_inv, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    print(f'檢測出輪廓數量有：{len(contours)}個')
    print('返回值為各層輪廓的索引：n', hierarchy)
 
    ###5，找出每一個輪廓繪畫出的矩形位置
    br = []
    cntid = 0
    for cnt in contours:
        '''cnt表示輸入的輪廓值，x，y, w, h 分別表示外接矩形的x軸和y軸的座標，以及矩形的w寬和h高,'''
        x, y, w, h = cv2.boundingRect(cnt)
        cntid += 1
        print(f'檢測出第{cntid}個輪廓畫出的矩形位置為：x={x},y={y},w={w},h={h}')
        br.append(cv2.boundingRect(cnt))
        '''img表示輸入的需要畫的圖片(這裡就是在原圖上繪製輪廓)，cnt表示輸入的輪廓值，-1表示contours中輪廓的索引(這裡繪製所有的輪廓)，(0, 0, 255)表示rgb顏色——紅色，2表示線條粗細'''
        cv2.drawContours(img, [cnt], -1, (0, 0, 255), 2)
        cv2.imshow('cnt', img)
        cv2.waitKey(0)
    br.sort() ###將列表中的每一個元組裡面的進行升序排序（這裡其實想的是按照對應的x軸座標進行升序）
 
    ###6，分割圖片並儲存（這裡對前面處理過的二值化圖片資料（img_inv）進行分割）
    if not os.path.exists('./imageSplit'):
        os.mkdir('./imageSplit')
    else:
        shutil.rmtree('./imageSplit')
        os.mkdir('./imageSplit')
    for x,y,w,h in br:
        # print(x,y,w,h)
        # split_image = img_inv[y:y + h, x:x + w]
        split_image = img_inv[y - 2:y + h + 2, x - 2:x + w + 2]  ###這樣分割感覺好看些
        cv2.imshow('split_image', split_image)
        cv2.waitKey(0)
        save_filepath = './imageSplit/'
        filename = f'{x}.jpg' ###這裡由每張圖片對應的x軸座標命名
        cv2.imwrite(save_filepath + filename, split_image)
        print(f'33[31m{filename}圖片分割完畢！33[0m')
    cv2.destroyAllWindows() ###刪除所有視窗
 
    ###7，用pyplot來檢視我們分割完成後的圖片
    imagefile_list = os.listdir('./imageSplit')
    imagefile_list.sort(key=lambda x: int(x[:-4]))
    for i in range(len(imagefile_list)):
        img = cv2.imread(f'./imageSplit/{imagefile_list[i]}')
        plt.subplot(1, len(imagefile_list), i + 1), plt.imshow(img, 'gray')
        plt.title(imagefile_list[i])
        plt.xticks([]), plt.yticks([])
    plt.show()
 
    print('nperfect！！！')
 
###閾值對比（全域性閾值（v = 127），自適應平均閾值，自適應高斯閾值）
def threshContrast():
    filepath = './testImage.png'
    img = cv2.imread(filepath)
    img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    img_gray = cv2.medianBlur(img_gray, 5)
    ret1, th1 = cv2.threshold(img_gray, 127, 255, cv2.THRESH_BINARY)
    th2 = cv2.adaptiveThreshold(img_gray, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 11, 2)
    th3 = cv2.adaptiveThreshold(img_gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 11, 2)
    title = ['原始影象(灰度)','全域性閾值（v = 127）','自適應平均閾值','自適應高斯閾值']
    images = [img_gray, th1, th2, th3]
    for i in range(4):
        plt.subplot(2, 2, i + 1), plt.imshow(images[i], 'gray')
        # plt.title(title[i]) ###plt繪圖時不能使用中文
        plt.xticks([]), plt.yticks([])
    plt.show()
 
if __name__ == '__main__':
    imageSplit()
 
    ###閾值對比
    # threshContrast()

到此這篇關於Python 第三方opencv庫實現影象分割處理的文章就介紹到這了,更多相關python圖片處理內容請搜尋it145.com以前的文章或繼續瀏覽下面的相關文章希望大家以後多多支援it145.com！