有没有办法在 OpenCV/skimage 中获取浮点坐标的轮廓属性？

如何解决有没有办法在 OpenCV/skimage 中获取浮点坐标的轮廓属性？

我在 Matplotlib 中创建了等高线图，我需要进一步分析它们是否是闭合曲线，然后查看细胞结构的面积、凸度、立体度等。在 Matplotlib 中，它们属于 LineCollection 和 Path 类型。

在 OpenCV 中，我无法将 float 数组传递给 cv2.contourArea 或类似函数。另一方面，转换为 uint8 坐标会丢失嵌套结构等重要数据。在这种情况下，我需要到达内部嵌套的凸轮廓。

是否有任何选项可以在 Python 中查找面积、凸包、边界矩形等信息？

我可以放大图片，但我担心它可能会使图片不可预测地倾斜。

例如：带有浮点和整数坐标的附加图像。

解决方法

我假设您可以完全控制 Matplotlib 部分。因此，让我们尝试从那里获取图像，您可以轻松地将其用于 OpenCV 的进一步图像处理。

我们从一些常见的 contour 图开始，如您的问题所示：

您可以设置 levels 参数以获得单个轮廓级别。这有助于单独在多个级别上工作。在下文中，我将重点关注 id（最内部的绿色椭圆）。稍后，您可以简单地遍历所有所需级别，然后执行分析。

对于我们的自定义等高线图，我们将使用 xlim 和 ylim 设置固定的 levels=[1.75] 域，例如 x,y。因此，我们已经知道实际画布的尺寸。我们使用 axis('off') 去除轴，使用 tight_layout(pad=0) 去除画布周围的边距。剩下的是全尺寸的普通画布（图形大小调整为[-3,3] x [-2,2]，颜色自动调整为级别数）：

现在，我们将画布保存到某个 NumPy 数组，参见。 this Q&A。从那里，我们可以执行任何 OpenCV 操作。为了找到该级别轮廓的组合区域，我们可能会对灰度图像进行阈值处理，找到所有轮廓，并使用 (10,5) 计算它们的面积。我们对这些区域求和，并以像素为单位得到整个区域。从已知的画布尺寸，我们以“单位”知道整个画布区域，而从图像尺寸，我们知道以像素为单位的整个画布区域。所以，我们只需要将整个轮廓区域（以像素为单位）除以整个画布区域（以像素为单位），然后乘以整个画布区域（以“单位”为单位）。

这就是完整的代码：

cv2.contourArea

输出区域似乎合理：

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

# Generate some data for some contour plot
delta = 0.025
x = np.arange(-3.0,3.0,delta)
y = np.arange(-2.0,2.0,delta)
X,Y = np.meshgrid(x,y)
Z1 = np.exp(-(X + 1.5)**2 - Y**2)
Z2 = np.exp(-(X - 1.5)**2 - Y**2)
Z = (Z1 + Z2) * 2

# Custom contour plot
x_min,x_max = -3,3
y_min,y_max = -2,2
fig = plt.figure(2,figsize=(10,5))    # Set large figure size
plt.contour(X,Y,Z,levels=[1.75])     # Set single levels if needed
plt.xlim([x_min,x_max])                # Explicitly set x limits
plt.ylim([y_min,y_max])                # Explicitly set y limits
plt.axis('off')                         # No axes shown at all
plt.tight_layout(pad=0)                 # No margins at all

# Get figure's canvas as NumPy array,cf. https://stackoverflow.com/a/7821917/11089932
fig.canvas.draw()
img = np.frombuffer(fig.canvas.tostring_rgb(),dtype=np.uint8)
img = img.reshape(fig.canvas.get_width_height()[::-1] + (3,))

# Grayscale,and threshold image
mask = cv2.cvtColor(img,cv2.COLOR_RGB2GRAY)
mask = cv2.threshold(mask,255,cv2.THRESH_OTSU + cv2.THRESH_BINARY_INV)[1]

# Find contours,calculate areas (pixels),sum to get whole area (pixels) for certain level
cnts = cv2.findContours(mask,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_NONE)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]
area = np.sum(np.array([cv2.contourArea(cnt) for cnt in cnts]))

# Whole area (coordinates) from canvas area (pixels),and x_min,x_max,etc.
area = area / np.prod(mask.shape[:2]) * (x_max - x_min) * (y_max - y_min)
print('Area:',area)

现在，您可以使用自己喜欢的 OpenCV 进行任何图像处理。始终记住将任何以像素为单位的结果转换为以“单位”为单位的某些结果。

Area: 0.861408