python - 如何知道在findContour之后是否需要反转阈值类型

Question

我正在与OpenCV进行手检测。但是在尝试绘制脱粒图像的轮廓时，我很挣扎。 findContour将始终尝试找到白色区域作为轮廓。

因此基本上可以在大多数情况下使用，但有时我的脱粒图像如下所示:
_, threshed = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY|cv2.THRESH_OTSU)


因此，要使其正常工作，我只需要更改阈值类型cv2.THRESH_BINARY_INV即可。
_, threshed = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY_INV|cv2.THRESH_OTSU)



而且效果很好。

我的问题是如何确定何时需要反转阈值？我是否需要始终在两个脱粒图像上找到轮廓，然后比较结果(在这种情况下如何？)？或者有一种方法可以使您知道是否不会完全忽略轮廓。

编辑:有一种方法可以100％确定轮廓看起来像一只手吗？

编辑2 :所以我忘了提一下，我正在尝试使用此method检测指尖和缺陷，因此我需要缺陷，在第一个脱粒图像中我找不到它们，因为它反转了。参见第一轮廓image上的蓝点。

谢谢。

Answer 1

您可以编写一种实用程序方法来检测边界上最主要的颜色，然后确定逻辑，就好像您要反转图像一样，因此流程如下所示:

使用OSTU二值化方法。

将阈值图像传递给实用程序方法get_most_dominant_border_color并获得主色。

如果边框颜色是WHITE，那么您应该使用cv2.bitwise_not反转图像，否则只能保持这种方式。

get_most_dominant_border_color可以定义为:

from collections import Counter

def get_most_dominant_border_color(img):
    # Get the top row
    row_1 = img[0, :]
    # Get the left-most column
    col_1 = img[:, 0]
    # Get the bottom row
    row_2 = img[-1, :]
    # Get the right-most column
    col_2 = img[:, -1]

    combined_li = row_1.tolist() + row_2.tolist() + col_1.tolist() + col_2.tolist()

    color_counter = Counter(combined_li)

    return max(color_counter.keys(), key=lambda x:color_counter.values())