使用Python中的OpenCV访问轮廓边界内的像素值
我在Python 2.7.9上使用OpenCV 3.0.0。 我试图跟踪具有静止背景的视频中的对象，并估计它的一些属性。 由于图像中可以有多个移动对象，因此我希望能够区分它们并在视频的其余帧中分别跟踪它们。
我认为我可以做到这一点的一种方式是将图像转换为二进制，获得斑点的轮廓（在这种情况下为跟踪对象）并获取对象边界的坐标。 然后，我可以转到灰度图像中的这些边界坐标，获取由该边界包围的像素强度，并在其他帧中跟踪此颜色梯度/像素强度。 这样，我可以保持两个对象相互分离，所以它们不会被视为下一帧中的新对象。
我有轮廓边界坐标，但我不知道如何检索该边界内的像素强度。 有人可以帮助我吗？
谢谢！
与我们的评论一起，你可以做的是创建一个numpy数组列表，每个元素是描述每个对象轮廓内部的强度。 具体来说，对于每个轮廓，创建一个填充轮廓内部的二进制蒙板，找到填充对象的(x,y)坐标，然后索引到图像中并抓取强度。
我不知道你是如何设置你的代码的，但是让我们假设你有一个叫做img的灰度img 。 您可能需要将图像转换为灰度图，因为cv2.findContours适用于灰度图像。 有了这个，通常调用cv2.findContours ：
import cv2
import numpy as np
#... Put your other code here....
#....
# Call if necessary
#img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# Call cv2.findContours
contours,_ = cv2.findContours(img, cv2.RETR_LIST, cv2.cv.CV_CHAIN_APPROX_NONE)
contours现在是3D numpy阵列的列表，其中每个阵列的大小为N x 1 x 2 ，其中N是每个对象的轮廓点的总数。
因此，您可以像这样创建我们的列表：
# Initialize empty list
lst_intensities = []
# For each list of contour points...
for i in range(len(contours)):
# Create a mask image that contains the contour filled in
cimg = np.zeros_like(img)
cv2.drawContours(cimg, contours, i, color=255, thickness=-1)
# Access the image pixels and create a 1D numpy array then add to list
pts = np.where(cimg == 255)
lst_intensities.append(img[pts[0], pts[1]])
对于每个轮廓，我们创建一个空白图像，然后在该空白图像中绘制填充轮廓。 您可以通过将thickness参数指定为-1来填充轮廓占据的区域。 我将轮廓的内部设置为255.之后，我们使用numpy.where来查找数组中与特定条件匹配的所有行和列位置。 在我们的例子中，我们希望找到等于255的值。之后，我们使用这些点来索引我们的图像，以获取轮廓内部的像素强度。
lst_intensities包含一维numpy数组的列表，其中每个元素为您提供属于每个对象轮廓内部的强度。 要访问每个数组，只需执行lst_intensities[i] ，其中i是要访问的轮廓。
@rayryeng的回答非常好！
我的实现中的一件小事是： np.where()返回一个元组，它包含一个行索引数组和一个列索引数组。 因此， pts[0]包括一个row indices列表，它对应于图像的高度， pts[1]包含一column indices ，它们对应于图像的宽度。 img.shape返回(rows, cols, channels) 。 所以我认为它应该是img[pts[0], pts[1]]来分割img背后的ndarray 。
上一篇: Access pixel values within a contour boundary using OpenCV in Python