去除分叉轮廓

去除分叉轮廓

思路来源于https://blog.csdn.net/weixin_39639550/article/details/111624935,但是使用不同的方法进行实现,实际测试发现仅对特定轮廓有效,不具有通用性,仅供参考。

示例代码

python 复制代码
import numpy as np
import cv2
from copy import deepcopy

def get_contour_remove_fork(mask_path):
    mask = cv2.imread(mask_path, 0)
    # 找到轮廓
    contours, _ = cv2.findContours(mask, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
    mask_convex = deepcopy(mask)
    # 遍历所有轮廓
    for contour in contours:
        # 计算轮廓的凸包
        hull = cv2.convexHull(contour)

        # 可以选择绘制凸包
        mask_convex = cv2.drawContours(
            mask_convex, [hull], -1, 
            255, -1
        )
    
    mask_convex_remove_raw_contour = deepcopy(mask_convex)
    mask_convex_remove_raw_contour[mask == 255] = 0
    # 腐蚀
    kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))
    mask_convex_remove_raw_contour = cv2.erode(
        mask_convex_remove_raw_contour, 
        kernel, iterations=1
    )
    # # 获取最大的轮廓
    contours, _ = cv2.findContours(
        mask_convex_remove_raw_contour, 
        cv2.RETR_EXTERNAL, 
        cv2.CHAIN_APPROX_SIMPLE
    )
    # print(len(contours))
    
    max_contour = max(contours, key=cv2.contourArea)
    # 获取最大轮廓

    # 绘制最大的轮廓
    mask_convex_remove_raw_contour_max_contour = cv2.drawContours(
        np.zeros_like(mask_convex_remove_raw_contour), 
        [max_contour], 
        -1, 
        255, 
        -1
    )

    # 膨胀
    kernel_size = 20
    kernel = cv2.getStructuringElement(
        cv2.MORPH_RECT, (kernel_size, kernel_size)
    )
    mask_convex_remove_raw_contour_dilate = cv2.dilate(
        mask_convex_remove_raw_contour_max_contour, 
        kernel, iterations=1
    )

    # 与原图取交集
    mask_dst = cv2.bitwise_and(mask, mask_convex_remove_raw_contour_dilate)
    return mask_dst
if __name__ == '__main__':
    mask_path = "./test.png"
    mask_remove_fork = get_contour_remove_fork(mask_path)
    mask_remove_fork_path = ".test_remove_fork.png"
    cv2.imwrite(mask_remove_fork_path, mask_remove_fork)

相关图示例

原图

凸包后对原图非零像素对应位置取0

最终效果图

相关推荐
weixin_468466852 小时前
YOLOv13结合代码原理详细解析及模型安装与使用
人工智能·深度学习·yolo·计算机视觉·图像识别·目标识别·yolov13
kylezhao20193 小时前
C# 语言基础(变量、数据类型、流程控制、面向对象编程)
开发语言·计算机视觉·c#·visionpro
weixin_413063214 小时前
测试 focus stacking
opencv·测试·focus stacking
weixin_433417675 小时前
Canny边缘检测算法原理与实现
python·opencv·算法
十铭忘7 小时前
SAM2跟踪的理解19——位置编码
人工智能·深度学习·计算机视觉
澜莲花9 小时前
python图色之opencv基础---验证码实战
开发语言·python·opencv
zl_vslam10 小时前
SLAM中的非线性优-3D图优化之相对位姿Between Factor位姿图优化(十三)
人工智能·算法·计算机视觉·3d
nwsuaf_huasir11 小时前
采用梯度下降法优化波形的自相关特性
人工智能·计算机视觉·目标跟踪
only-lucky12 小时前
Python版本OpenCV
开发语言·python·opencv
泡芙与栀13 小时前
普通相机与深度相机的区别及双目结构光_飞行时间方案差异解析
数码相机·目标检测·计算机视觉·视觉检测