一 簡介

目標(biāo)檢測即為在圖像中找到自己感興趣的部分，將其分割出來進(jìn)行下一步操作，可避免背景的干擾。以下介紹幾種基于opencv的單目標(biāo)檢測算法，算法總體思想先盡量將目標(biāo)區(qū)域的像素值全置為1，背景區(qū)域全置為0，然后通過其它方法找到目標(biāo)的外接矩形并分割，在此選擇一張前景和背景相差較大的圖片作為示例。

環(huán)境：python3.7 opencv4.4.0

二 背景前景分離

1 灰度+二值+形態(tài)學(xué) 輪廓特征和聯(lián)通組件

根據(jù)圖像前景和背景的差異進(jìn)行二值化，例如有明顯顏色差異的轉(zhuǎn)換到HSV色彩空間進(jìn)行分割。

1 原圖

2 灰度化

3 二值化

4 形態(tài)學(xué)處理

5 提取輪廓并找出目標(biāo)外接矩形

代碼封裝：

def get_roi_contours(image_path, morph_size, num_morph):

'''

參數(shù)詳解：

image_path：所需處理圖片路徑

morph_size：形態(tài)學(xué)處理核的大小

num_morph：進(jìn)行形態(tài)學(xué)處理的次數(shù)

'''

image = cv2.imread(image_path, cv2.IMREAD_COLOR)

#灰度轉(zhuǎn)換

gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

#二值化

threhold, binary_image = cv2.threshold(gray_image, 0, 255, cv2.THRESH_BINARY_INV+cv2.THRESH_OTSU)

#形態(tài)學(xué)操作

kernel = cv2.getStructuringElement(shape=cv2.MORPH_RECT, ksize=morph_size)

morph_image = cv2.morphologyEx(binary_image, cv2.MORPH_CLOSE, kernel)

for i in range(num_morph-1):

morph_image = cv2.morphologyEx(morph_image, cv2.MORPH_CLOSE, kernel)

#查找輪廓

contours, hierarchy = cv2.findContours(morph_image, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

#選取輪廓面積最大的輪廓

area = 0

max_area_index = 0

for j in range(len(contours)):

if area < cv2.contourArea(contours[j]):

max_area_index = j

area = cv2.contourArea(contours[j])

rect = cv2.boundingRect(contours[max_area_index])

return rect

6 通過聯(lián)通組件找到外接矩形

代碼封裝：

def get_roi_ConCom(image_path, morph_size, num_morph):

'''

參數(shù)詳解：

image_path：所需處理圖片路徑

morph_size：形態(tài)學(xué)處理核的大小

num_morph：進(jìn)行形態(tài)學(xué)處理的次數(shù)

'''

image = cv2.imread(image_path, cv2.IMREAD_COLOR)

#灰度轉(zhuǎn)換

gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

#二值化

threhold, binary_image = cv2.threshold(gray_image, 0, 255, cv2.THRESH_BINARY_INV+cv2.THRESH_OTSU)

#形態(tài)學(xué)操作

kernel = cv2.getStructuringElement(shape=cv2.MORPH_RECT, ksize=morph_size)

morph_image = cv2.morphologyEx(binary_image, cv2.MORPH_CLOSE, kernel)

for i in range(num_morph-1):

morph_image = cv2.morphologyEx(morph_image, cv2.MORPH_CLOSE, kernel)

#聯(lián)通組件查詢

numlabels, components_img, stats, centers = cv2.connectedComponentsWithStats(morph_image, 8)

#獲取除背景外的所有聯(lián)通組件

stats_without_back = stats[1:]

#獲取除背景外的所有聯(lián)通組件的面積最大值

max_area = np.max(stats_without_back, axis=0)[-1]

#獲取面積最大聯(lián)通組件的index

max_area_index = stats_without_back[:, -1]==max_area

rect = stats_without_back[max_area_index]

return np.squeeze(rect)[0:4]

2 Kmeans聚類實現(xiàn)前景和背景的分離

1 kmeans聚類后的圖像，由于簇的中心是隨機(jī)初始化的，所以目標(biāo)的像素值可能為0，也可能為1，若采用opencv的findContours則要求前景像素值為1。

2 利用輪廓特征找外接矩形

由于Kmeans隨機(jī)初始化簇中心導(dǎo)致前景目標(biāo)像素不確定，采用邊緣提取的方法再查找輪廓。

邊緣圖：

代碼封裝：

def get_roi_Kmeans(image_path):

image = cv2.imread(image_path, cv2.IMREAD_COLOR)

image_data = image.reshape(-1, 3).astype(np.float32) #必須要轉(zhuǎn)成浮點類型進(jìn)行計算

#簇內(nèi)平方和，標(biāo)簽和每個簇的中心

criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_COUNT, 10, 1)

interia, label, centers = cv2.kmeans(image_data, 2, None, criteria, 5, cv2.KMEANS_RANDOM_CENTERS)

#二值化，將標(biāo)簽為0的轉(zhuǎn)換為255，即是目標(biāo)

label[label==0] = 255

label[label==1] = 0

#轉(zhuǎn)換數(shù)據(jù)類型，輪廓查找要是uint8類型數(shù)據(jù)

thresh_img = label.reshape(image.shape[0:2]).astype(np.uint8)

x_grad = cv2.Sobel(thresh_img, cv2.CV_32F, 1, 0)

y_grad = cv2.Sobel(thresh_img, cv2.CV_32F, 0, 1)

x_grad = cv2.convertScaleAbs(x_grad) #ax + b 線性變換

y_grad = cv2.convertScaleAbs(y_grad)

dst = cv2.add(x_grad, y_grad, dtype=cv2.CV_16S) #將兩種sobel的加起來就可以得到整個邊緣

dst = cv2.convertScaleAbs(dst)

plt.imshow(dst, cmap='gray')

#輪廓查找目標(biāo)必須為1

contours, hierarchy = cv2.findContours(dst, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

#獲取外接矩形

rect = cv2.boundingRect(contours[0])

return rect

三 總結(jié)

單目標(biāo)檢測較為簡單，只要合理利用目標(biāo)和背景的差異便可將其分離出來。當(dāng)然單目標(biāo)檢測的方法還有很多，比如有目標(biāo)模板的時候可以采用模板匹配或者均值漂移，有足夠的數(shù)據(jù)集時也可采用機(jī)器學(xué)習(xí)和深度學(xué)習(xí)方法。

到此這篇關(guān)于Python Opencv實現(xiàn)單目標(biāo)檢測的示例代碼的文章就介紹到這了,更多相關(guān)Opencv 單目標(biāo)檢測內(nèi)容請搜索服務(wù)器之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持服務(wù)器之家！

原文鏈接：https://blog.csdn.net/wahjk/article/details/108434047

《新程序員》：云原生和全面數(shù)字化實踐50位技術(shù)專家共同創(chuàng)作，文字、視頻、音頻交互閱讀

總結(jié)

以上是生活随笔為你收集整理的python简单目标检测代码_Python Opencv实现单目标检测的示例代码的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。