在 Opencv Python 的 BitWise 掩码中查找最高点答案

【问题标题】：Finding Highest Point In A BitWise Mask In Opencv Python在 Opencv Python 的 BitWise 掩码中查找最高点
【发布时间】：2021-05-11 22:08:07
【问题描述】：

我有一个对象的位掩码，我想从中检测其最高点。如何使用 OpenCV Python 做到这一点？

My Mask	Expected Result

原图：

这是代码

import cv2
import numpy as np

def line(im, pt1, pt2, color, thickness):
    im = cv2.line(im, pt1, pt2, color=color, thickness=thickness, lineType=cv2.LINE_AA)
    return im

def empty(a):
    pass

path = 'images/m_1.jpg'

global img
img = cv2.imread(path)
img = cv2.resize(img, (640, 480))
org_img = img.copy()
copy_img = img.copy()

img_blur = cv2.blur(img,(5,5))
imgHSV = cv2.cvtColor(img_blur, cv2.COLOR_BGR2HSV)

h_min = 0
h_max = 179
s_min = 0
s_max = 255
v_min = 48
v_max = 166

lower = np.array([h_min, s_min, v_min])
upper = np.array([h_max, s_max, v_max])

mask = cv2.inRange(imgHSV, lower, upper)

global imgResult
imgResult = cv2.bitwise_and(img, img, mask=mask)
imgResult = cv2.resize(imgResult, (640, 480))

cont, _ = cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)

c = max(cont, key=cv2.contourArea)
x, y, w, h = cv2.boundingRect(c)
cv2.rectangle(img, (x, y), (x + w, y + h), (0, 255, 0), 2)

image = cv2.line(img, (int(w/2),y), (int(w/2),y+h), (0,0,255), 2)

global cropped_img
cropped_img = copy_img[y:y + h, x:x + w]

draw_img = np.zeros((img.shape[0], img.shape[1], img.shape[2]), dtype="uint8")
cv2.drawContours(draw_img,[c],-1,(255,255,255),thickness=-1)

img_bitwise = cv2.bitwise_and(org_img, draw_img)

margin = 90
draw_img = draw_img[margin:-margin]
imgResult = imgResult[margin:-margin]
img = img[margin:-margin]
img_bitwise = img_bitwise[margin:-margin]

print(draw_img.shape[:2])

has_white = print(np.any(draw_img, axis=1))
print(np.argmin(has_white))

result_i = np.argmin(has_white)
print(np.argmin(img_bitwise[result_i,:]))


cv2.imwrite('bit_img.png',img_bitwise)

cv2.imshow("Track Images", imgResult)
cv2.imshow("Result Images", img)
cv2.imshow("Cropped Image", cropped_img)
cv2.imshow("Draw Image", draw_img)
cv2.imshow("bit_img", img_bitwise)


k = cv2.waitKey(0)

if k == 27:  # wait for ESC key to exit
    cv2.destroyAllWindows()
elif k == ord('s'):  # wait for 's' key to save and exit
    cv2.imwrite(r'C:\Users\Anush\PycharmProjects\WeldPoolAnalysis\resultImages\imgResult.png', img)
    cv2.imwrite(r'C:\Users\Anush\PycharmProjects\WeldPoolAnalysis\resultImages\imgCropped.png', cropped_img)
    cv2.destroyAllWindows()

脚本的输出

(300, 640)
[[False False False]
 [False False False]
 [False False False]
 [False False False]
 [False False False]
 [False False False]
 [False False False]
 [False False False]
 [False False False]
 [False False False]
 [False False False]
 [False False False]
 [False False False]
 [False False False]
 [False False False]
 [False False False]
 [False False False]
 [False False False]
 [False False False]
 [False False False]
 [False False False]
 [False False False]
 [False False False]
 [False False False]
 [False False False]
 [False False False]
 [False False False]
 [False False False]
 [False False False]
 [False False False]
 [False False False]
 [False False False]
 [False False False]
 [False False False]
 [False False False]
 [False False False]
 [False False False]
 [False False False]
 [False False False]
 [False False False]
 [False False False]
 [False False False]
 [False False False]
 [False False False]
 [False False False]
 [False False False]
 [False False False]
 [False False False]
 [False False False]
 [False False False]
 [False False False]
 [False False False]
 [False False False]
 [False False False]
 [False False False]
 [False False False]
 [False False False]
 [False False False]
 [False False False]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [ True  True  True]
 [False False False]
 [False False False]
 [False False False]
 [False False False]]
0
0

在下面的程序中使用原始图像作为主图像，然后您可以轻松调试问题

【问题讨论】：

黑色 = False 和白色 = True，类似于：np.argmin(np.any(mask, axis=1), axis=0) 采用数组中包含白色像素的最高行（您可能需要翻转数组或更改axis 基于您定义数组的方式）
这不需要 OpenCV 的特殊功能。找到第一行不是全黑的就行了。
@FrederikBode 我不太明白你的意思能否请你把它作为答案传递给我，我很乐意接受它

标签： python opencv image-processing opencv-python

【解决方案1】：

假设图像如下所示：

0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0
0 0 0 0 1 0 0 0 0
0 0 0 1 1 1 0 0 0
0 1 1 1 1 1 1 0 0

1 是白色，0 是黑色。假设这个 numpy 数组被称为mask。让我们打印形状：

import numpy as np
print(mask.shape)

应该给你

(5,9)

在这种情况下，您应该得到(image_width, image_height)

然后我们将首先检查是否有任何行是全黑的，或者有一些像素是白色的np.any，这样做：'对于沿着axis 的每一行，是否有“任何”值是不是0？如果是，则为该行返回 True，否则为该行返回 False'。所以：

has_white = print(np.any(mask, axis=1))

产量

array([False, False, True, True, True])

所以每行都有一个True/False 值。

现在我们取最小值，因为它是图像中的最高行：

np.argmin(has_white)

产量

这是从上往下计算的索引

【讨论】：

那么我们如何将其标记为图像中的一条线并且输出为0
我知道如何画一条线，但我们怎么能用它这并没有给出任何坐标或任何东西
最后一个值2 = result_i是y坐标，可以通过np.argmin(mask[result_i,:])得到x坐标（取该行最左边的白色像素）
好像有问题，我的 x,y 值只有 0,0
知道为什么会这样吗？