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
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。