在opencv中填充轮廓

Question

我正在尝试使用 openCV 中的 Canny 过滤器识别轮廓并填充轮廓，以创建蒙版。我有这种起始图像：

我正在尝试识别图像中的所有特征，绘制轮廓并填充它们。我正在尝试在 openCV 中使用此代码来实现它：

img = cv2.imread(os.path.join(fName,f), 0)  
img = cv2.GaussianBlur(img,(5,5),0)
cv2.bilateralFilter(img, 9, 150,450)
edge = np.zeros((img.shape[0] + 2, img.shape[1] + 2), np.uint8)
edge = cv2.Canny(img, 500, 300, apertureSize=5)
cont, heir = cv2.findContours(edge.copy(), cv2.RETR_LIST,cv2.CHAIN_APPROX_SIMPLE)
contours = [cv2.approxPolyDP(cnt, 3, True) for cnt in cont]
cv2.morphologyEx(img, cv2.MORPH_CLOSE, np.ones((5,5), dtype='uint8'))
cv2.drawContours(img, contours, -1, 255, -1)
plt.imshow(img, cmap = 'gray', interpolation = 'bicubic')
plt.xticks([]), plt.yticks([])  # to hide tick values on X and Y axis

大多数情况下，我在猜测参数（反复试验；这很难！）。不幸的是，我得到的不是整齐的轮廓，而是用白色填充的，更像是这样的：

有什么想法吗？显然，我需要更好地关闭边缘，并调整我的一些 Canny 参数，但我真的可以使用一些指导。

谢谢！

编辑：阈值不能很好地创建我想要的那种蒙版，要么： 我认为我的“亮”点没有比背景足够亮，但我会喜欢在黑色背景上有白点。

代码：

    img = cv2.imread(os.path.join(fName,f), 0)
    cv2.bilateralFilter(img, 9, 90,16)
    #img = cv2.GaussianBlur(img,(5,5),0)
    #binImg = np.zeros((img.shape[0], img.shape[1]), np.uint8)   
    binImg = cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C,           cv2.THRESH_BINARY, 25, 2)
    #binImg = cv2.threshold(img, 0, 255, cv2.THRESH_BINARY+cv2.THRESH_OTSU)
    #newimg = np.multiply(img, np.divide(edge, 255.0))    
    plt.imshow(binImg, cmap = 'gray', interpolation = 'bicubic')
    plt.xticks([]), plt.yticks([])  # to hide tick values on X and Y axis
    #plt.show()  

Answer 1

“识别轮廓”和“识别所有特征”是什么意思？如果您只需要不需要的明亮图像部分的蒙版，则查找轮廓，然后为您展示的这种图像填充它们，只需使用任何类型的阈值，您将获得所需的二进制蒙版。

Answer 2

就其价值而言，二进制掩码是更好的选择。谢谢你的建议。这只是意味着玩一些参数。对于这些功能，我发现如下代码：

img = cv2.imread(os.path.join(fName,f), 0)
cv2.bilateralFilter(img, 9, 90,16)
img = cv2.GaussianBlur(img,(5,5),0)
#binImg = np.zeros((img.shape[0], img.shape[1]), np.uint8)   
binImg = cv2.adaptiveThreshold(img, 1, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 55, -3)
#cv2.bilateralFilter(binImg, 9, 90,16)
#binImg = cv2.GaussianBlur(binImg, (3,3), 0)
#ret, binImg = cv2.threshold(img, 35000, 1, cv2.THRESH_BINARY+cv2.THRESH_OTSU)
plt.imshow(binImg, cmap = 'gray', interpolation = 'bicubic')
plt.xticks([]), plt.yticks([])  # to hide tick values on X and Y axis

生产出我正在寻找的那种面具：

所以，我要结束这个问题了。

Answer 3

如果您想让它或多或少独立于参数，我建议使用以下管道：-

1. 进行超像素分割。我建议：https://github.com/PSMM/SLIC-Superpixels
2. 对于每个超像素，计算平均亮度/强度。
3. 阈值（自动或某种巧妙的方式）以获得明亮的超像素。
4. 相应地创建蒙版

Answer 4

你可以试试 floodFill()。记得包含

#include    <opencv2/imgproc.hpp>