python - 需要使用 Contour 检测图像的第二个极值点

Question

我正在尝试使用 Contour 检测图像的第二个极值点。

我正在尝试像下面那样做。

我正在寻找图像的所有轮廓。

对等高线 NumPy 数组排序

删除 Numpy 数组中的最后一个元素以去除外部轮廓，以免在极值点检测中考虑。

选择极值点

下面是代码:

import imutils
import cv2
import numpy as np

image = cv2.imread(r"SimpleBoxTest.png")
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
gray = cv2.GaussianBlur(gray, (5, 5), 0)

thresh = cv2.threshold(gray, 45, 255, cv2.THRESH_BINARY)[1]
thresh = cv2.erode(thresh, None, iterations=2)
thresh = cv2.dilate(thresh, None, iterations=2)

cnts = cv2.findContours(thresh.copy(), cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
cnts = imutils.grab_contours(cnts)

c=sorted(cnts, key=cv2.contourArea)
c = np.delete(c, (-1), axis=0) 

extLeft = tuple(c[c[:, :, 0].argmin()][0])
extRight = tuple(c[c[:, :, 0].argmax()][0])
extTop = tuple(c[c[:, :, 1].argmin()][0])
extBot = tuple(c[c[:, :, 1].argmax()][0])

下面是错误

Traceback (most recent call last):
  File "C:/TestCode/DocumentLayoutDetection/extreamPoints.py", line 41, in <module>
    extLeft = tuple(c[c[:, :, 0].argmin()][0])
IndexError: too many indices for array

下面的图片只是一个引用图片，我也会尝试其他图片


图 2

Answer 1

您不需要删除最后一个元素，您可以从末尾获取第二个元素。

c=sorted(cnts, key=cv2.contourArea) 的结果不是 NumPy 数组，它是 列表 .
您可以使用 type(c) 检查类型，结果为 <class 'list'> .
您可以使用 del 删除最后一个元素: del c[-1] ，但你不必这样做。

使用:c = c[-2]用于提取列表的倒数第二个元素。
现在type(c)是 <class 'numpy.ndarray'> .

使用 extLeft = c[:, :, 0].min() 查找最小值和最大值和 extRight = c[:, :, 0].max() .

这是代码:

import imutils
import cv2
import numpy as np

image = cv2.imread(r"SimpleBoxTest.png")
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
gray = cv2.GaussianBlur(gray, (5, 5), 0)

thresh = cv2.threshold(gray, 45, 255, cv2.THRESH_BINARY)[1]
thresh = cv2.erode(thresh, None, iterations=2)
thresh = cv2.dilate(thresh, None, iterations=2)

cnts = cv2.findContours(thresh.copy(), cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
cnts = imutils.grab_contours(cnts)

c=sorted(cnts, key=cv2.contourArea)

#c = np.delete(c, (-1), axis=0) 

# c is a list, and not a numpy array, so use del instead of np.delete
# But why?
# del c[-1]

# Get one element before the last element in the list
c = c[-2] # Now c is a numpy.ndarray

extLeft = c[:, :, 0].min()
extRight = c[:, :, 0].max()
extTop = c[:, :, 1].min()
extBot = c[:, :, 1].max()

# Draw rectangle for testing
cv2.rectangle(image, (extLeft, extTop), (extRight, extBot), (0, 255, 0))

cv2.imshow("image", image)
cv2.waitKey()
cv2.destroyAllWindows();

更新:

如果您想要找到的所有轮廓中的第二个极值点，您可以迭代 c 中的轮廓:

# Mark all contours with red:
cv2.drawContours(image, cnts, -1, (0, 0, 255), thickness=5)

# Delete last element of the list
del c[-1]

# Initialize:
extLeft, extRight, extTop, extBot = 1e9, -1e9, 1e9, -1e9

# Iterate list and find the extreme points
for cc in c:
    extLeft = min(cc[:, :, 0].min(), extLeft)
    extRight = max(cc[:, :, 0].max(), extRight)
    extTop = min(cc[:, :, 1].min(), extTop)
    extBot = max(cc[:, :, 1].max(), extBot)

# Draw rectangle for testing
cv2.rectangle(image, (extLeft, extTop), (extRight, extBot), (0, 255, 0), thickness=5)

不使用 for 循环的解决方案:

您可以使用 np.vstack(c)用于连接列表中的 NumPy 数组。
然后在连接数组中找到极值点。

代码:

# Delete last element of the list.
del c[-1]

# Concatenate arrays along vertical axis.
c = np.vstack(c)

# Find extreme points:
extLeft = c[:, :, 0].min()
extRight = c[:, :, 0].max()
extTop = c[:, :, 1].min()
extBot = c[:, :, 1].max()

结果: