如何知道我是否需要在 findContour 之后反转阈值类型

Question

我正在使用 OpenCV 进行手部检测。但是我在尝试脱粒图像的轮廓时很挣扎。 findContour 总是会尝试寻找白色区域作为轮廓。

所以基本上它在大多数情况下都有效，但有时我的脱粒图像看起来像这样：

_, threshed = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY|cv2.THRESH_OTSU)

所以要让它工作，我只需要更改阈值类型cv2.THRESH_BINARY_INV。

_, threshed = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY_INV|cv2.THRESH_OTSU)

而且效果很好。

我的问题是如何确定何时需要反转阈值？我是否需要始终在两个脱粒图像上找到轮廓，并比较结果（我这种情况如何？）？或者有一种方法可以缓解知道轮廓是否没有完全丢失。

编辑：有一种方法可以 100% 确定轮廓看起来像一只手吗？

编辑 2 ：所以我忘了提到我正在尝试使用此 method 检测指尖和缺陷，所以我需要缺陷，在第一个脱粒图像中我找不到它们，因为它反转了。请参阅第一个轮廓上的蓝点image。

谢谢。

Answer 1

您可以编写一个实用程序方法来检测沿边界的最主要颜色，然后决定逻辑，就像您是否要反转图像一样，所以流程可能如下所示：

1. 使用 OSTU 二值化方法。
2. 将阈值图像传递给实用方法get_most_dominant_border_color 并获取主色。
3. 如果边框颜色为WHITE，则应使用cv2.bitwise_not 反转图像，否则只能保持这种状态。

get_most_dominant_border_color 可以定义为：

from collections import Counter

def get_most_dominant_border_color(img):
    # Get the top row
    row_1 = img[0, :]
    # Get the left-most column
    col_1 = img[:, 0]
    # Get the bottom row
    row_2 = img[-1, :]
    # Get the right-most column
    col_2 = img[:, -1]

    combined_li = row_1.tolist() + row_2.tolist() + col_1.tolist() + col_2.tolist()

    color_counter = Counter(combined_li)

    return max(color_counter.keys(), key=lambda x:color_counter.values())