opencv python3 找图片不同_直接可以用的Python和OpenCV检测及分割图像的目标区域例子...

第一天

老师：你知道么，今天有人问了我一个问题。

~.我：什么？

老师：他说很难。

~.我：关于什么的？

老师：图像处理。

~.我：喔，你说说看，我确实做了不少图像处理的东西（心里默念，你不知知道你给过我多少图像吗？）

老师：好嘞！在用深度学习的时候，比如说面对一张图像，对某个区域感兴趣怎么办？

~.我：他傻啊，切割出来啊，只需要训练感兴趣的部分就好啦。

老师：哎，那你给我一个教程，我正好顺手把他的问题解决了。

~.我：好的（黑人脸.gif）

老师：我回头把图片数据发给你。

~.我：好的好的，老师，by the way, 有多少数据啊？

老师：也不多，一个U盘够了，这样吧，明天你过来拷一下吧。

~.我：好的（hello？一个U盘？）

第二天

有这么一个文件

看了里面。。。我要爆炸了。。。

> 598M * 15 = 8970M = 8.97G 我的个妈呀。

打开一看 全是密密麻麻的——虫子！！！

为了视觉体验，自动屏蔽，请大家自行去谷歌：虫子、worm、bug、insects。。。

三天后

~.我： 老师， 我就给一个方法啊， 不同的虫子他们可以自己调阈值和方法，我已经有写说明文件。

老师： 好的，我看看。

考虑到忍受能力，我用一个可爱的虫子做为一个示例，其他的都差不多，大家自行尝试。

目标是把虫子区域抠出来

环境：

例图：谷歌，可爱的虫子–image

软件：Anaconda 4.20，Opencv3.2

OpenCv的安装：

1.1安装Python3.60

1.2安装numpy： pip install numpy

1.3下载安装opencv3.2

具体思路如下：

1.获取图片，这个简单哈

img_path = r'C:\Users\aixin\Desktop\chongzi.png'

img = cv2.imread(img_path)

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

看，这不就是你处理初始的样子？

2.转换灰度并去噪声

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

blurred = cv2.GaussianBlur(gray, (9, 9),0)

我们可以得到这两张图，第一张是灰度图，第二张是去噪之后的，另外说一下，去噪咱们有很多种方法，均值滤波器、高斯滤波器、中值滤波器、双边滤波器等。

这里取高斯是因为高斯去噪效果是最好的。

3.提取图像的梯度

gradX = cv2.Sobel(gray, ddepth=cv2.CV_32F, dx=1, dy=0)

gradY = cv2.Sobel(gray, ddepth=cv2.CV_32F, dx=0, dy=1)

gradient = cv2.subtract(gradX, gradY)

gradient = cv2.convertScaleAbs(gradient)

以Sobel算子计算x，y方向上的梯度，之后在x方向上减去y方向上的梯度，通过这个减法，我们留下具有高水平梯度和低垂直梯度的图像区域。

此时，我们会得到

4.我们继续去噪声

考虑到图像的孔隙 首先使用低通滤泼器平滑图像, 这将有助于平滑图像中的高频噪声。 低通滤波器的目标是降低图像的变化率。

如将每个像素替换为该像素周围像素的均值， 这样就可以平滑并替代那些强度变化明显的区域。

对模糊图像二值化，顾名思义，就是把图像数值以某一边界分成两种数值，细节我会附在文章底部，如果还是不懂，去cao文档吧。

blurred = cv2.GaussianBlur(gradient, (9, 9),0)

(_, thresh) = cv2.threshold(blurred, 90, 255, cv2.THRESH_BINARY)

此时，我们会得到

其实就算手动分割我们也是需要找到一个边界吧，可以看到轮廓出来了，但是我们最终要的是整个轮廓，所以内部小区域就不要了

5.图像形态学（牛逼吧、唬人的）

在这里我们选取ELLIPSE核，采用CLOSE操作，具体细节你依旧可以参考我的附录文档，及拓展。

kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (25, 25))

closed = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, kernel)

此时，我们会得到

6.细节刻画

从上图我们可以发现和原图对比，发现有细节丢失，这会干扰之后的昆虫轮廓的检测，要把它们扩充，分别执行4次形态学腐蚀与膨胀（附录文档）

closed = cv2.erode(closed, None, iterations=4)

closed = cv2.dilate(closed, None, iterations=4)

此时，我们会得到

7.找出昆虫区域的轮廓

此时用cv2.findContours()函数

第一个参数是要检索的图片，必须是为二值图，即黑白的（不是灰度图）

(_, cnts, _) = cv2.findContours(

参数一： 二值化图像

closed.copy(),

参数二：轮廓类型

# cv2.RETR_EXTERNAL, #表示只检测外轮廓

# cv2.RETR_CCOMP, #建立两个等级的轮廓,上一层是边界

# cv2.RETR_LIST, #检测的轮廓不建立等级关系

# cv2.RETR_TREE, #建立一个等级树结构的轮廓

# cv2.CHAIN_APPROX_NONE, #存储所有的轮廓点，相邻的两个点的像素位置差不超过1

参数三：处理近似方法

# cv2.CHAIN_APPROX_SIMPLE, #例如一个矩形轮廓只需4个点来保存轮廓信息

# cv2.CHAIN_APPROX_TC89_L1,

# cv2.CHAIN_APPROX_TC89_KCOS

)

找到轮廓了，接下来，要画出来的，即用cv2.drawContours()函数。