OpenCV：不规则形状区域中的每个颜色像素数？

Question

假设我有一个multicolored map of the United States，我想知道特定州（例如内华达州）有多少像素是紫色的，有多少是绿色的，有多少是白色的。我可以用 OpenCV 做到这一点吗？

我尝试通过使用cv2.drawContours 将未着色的“basemap”上的每个状态转换为自己的轮廓，然后叠加两个图像来解决这个问题（这是开始感觉不对劲的地方）。

我知道我可以使用以下内容：

Nevada = contours[21]
area = cv2.contourArea(Nevada)
print(area) 

打印给定状态/轮廓中的像素总数，但我不知道是否存在类似的函数来显示该状态/轮廓中某种颜色的像素数。有没有办法做到这一点？任何指导将不胜感激。

Answer 1

这是在 Python/OpenCV 中执行此操作的一种方法。

• 将底图图像读取为灰度和阈值
• 阅读地图图片
• 从阈值 baseman 图像中获取所有轮廓
• 定义颜色
• 循环遍历轮廓并选择指定区域范围内的轮廓（调整下界以获得更多状态轮廓）
• 对于每个可接受的轮廓，在黑色图像上用白色填充
• 屏蔽地图图像以仅显示给定的轮廓
• 使用 numpy 对蒙版地图图像中的所有彩色像素求和
• 打印索引和颜色计数
• 可选择查看每个蒙版地图区域
• 获取轮廓的质心
• 在地图图像的质心处绘制索引号
• 最后，在循环之后，保存标记的地图图像

底图：

地图：

import cv2
import numpy as np

# read basemap image as grayscale
basemap = cv2.imread('basemap.png', cv2.COLOR_BGR2GRAY)

# threshold basemap and make single channel
thresh = cv2.threshold(basemap, 200, 255, cv2.THRESH_BINARY)[1]
thresh = thresh[:,:,0]

# read map
map = cv2.imread('map.png')

# define colors
red = (255,0,255)
green = (125,196,147)
blue = (232,197,159)
orange = (102,102,224)


# get contours
contours = cv2.findContours(thresh, cv2.RETR_CCOMP, cv2.CHAIN_APPROX_SIMPLE)
contours = contours[0] if len(contours) == 2 else contours[1]

# print table header
print('{:^15}{:^15}{:^15}{:^15}{:^15}'.format("index", "red_count", "green_count", "blue_count", "orange_count"))

# initialize labeled map
map_labeled = map.copy()

# loop over index and corresponding contour (cntr)
for index, cntr in enumerate(contours):
    # filter on area
    area = cv2.contourArea(cntr)
    if area > 1000 and area < 20000 :           
        # draw contours on black image
        mask = np.zeros_like(basemap)
        cv2.drawContours(mask, contours, index, (255,255,255), cv2.FILLED)

        # copy map
        map_masked = map.copy()

        # do bitwise_and between copied map and mask for a given contour
        map_masked = cv2.bitwise_and(map_masked, mask)

        # get counts for given contour
        red_count = np.sum(np.where((map_masked == red).all(axis=2)))
        green_count = np.sum(np.where((map_masked == green).all(axis=2)))
        blue_count = np.sum(np.where((map_masked == blue).all(axis=2)))
        orange_count = np.sum(np.where((map_masked == orange).all(axis=2)))
        # print index and counts
        print('{:^15}{:^15}{:^15}{:^15}{:^15}'.format(index, red_count, green_count, blue_count, orange_count))

        # get centroid of contour for label placement
        M = cv2.moments(cntr)
        cx = int(M["m10"] / M["m00"])
        cy = int(M["m01"] / M["m00"])       

        # label map with index
        map_labeled = cv2.putText(map_labeled, str(index), (cx,cy), cv2.FONT_HERSHEY_PLAIN, 0.75, (0,0,0))

        # view each state region from map isolated by mask from contour
        # remove the following 3 lines if you do not want to hit the space key for each contour
        cv2.imshow("index", map_masked)
        cv2.waitKey(0)
        cv2.destroyAllWindows()

# save labeled map
cv2.imwrite('map_labeled.png', map_labeled)

标注地图：

终端列表输出：