Площадь замкнутого контура на графике с использованием python openCV

Проблема в вашей операции opening в конце. Эта морфологическая операция включает в себя dilation в конце, который расширяет белый контур, увеличивая его площадь. Давайте попробуем другой подход, без участия морфологии. Вот шаги:

1. Преобразуйте свое изображение в оттенки серого
2. Примените пороговое значение Оцу, чтобы получить бинарное изображение, давайте работать только с черными и белыми пикселями.
3. Примените первую операцию заливки к расположению изображения (0,0), чтобы избавиться от внешнего пробела.
4. Отфильтровать небольшие капли с помощью фильтра по площади
5. Найдите «Кривой холст» (пустое пространство, окружающее кривую), найдите и сохраните его начальную точку в (targetX, targetY).
6. Примените вторую заливку к местоположению (targetX, targetY)
7. Получите площадь изолированного большого двоичного объекта с помощью cv2.countNonZero

Давайте посмотрим на код:

import cv2
import numpy as np

# Set image path
path = "C:/opencvImages/"
fileName = "cLIjM.jpg"

# Read Input image
inputImage = cv2.imread(path+fileName)
inputCopy = inputImage.copy()

# Convert BGR to grayscale:
grayscaleImage = cv2.cvtColor(inputImage, cv2.COLOR_BGR2GRAY)

# Threshold via Otsu + bias adjustment:
threshValue, binaryImage = cv2.threshold(grayscaleImage, 0, 255, cv2.THRESH_BINARY+cv2.THRESH_OTSU)

Это двоичное изображение, которое вы получаете:

Теперь давайте flood-fill в углу, расположенном в (0,0), черным цветом, чтобы избавиться от первого пробела. Этот шаг очень прост:

# Flood-fill background, seed at (0,0) and use black color:
cv2.floodFill(binaryImage, None, (0, 0), 0)

Вот результат, обратите внимание, как исчезла первая большая белая область:

Давайте избавимся от маленьких пятен, применив фильтр области. Все, что ниже области 100, будет удалено:

# Perform an area filter on the binary blobs:
componentsNumber, labeledImage, componentStats, componentCentroids = \
cv2.connectedComponentsWithStats(binaryImage, connectivity=4)

# Set the minimum pixels for the area filter:
minArea = 100

# Get the indices/labels of the remaining components based on the area stat
# (skip the background component at index 0)
remainingComponentLabels = [i for i in range(1, componentsNumber) if componentStats[i][4] >= minArea]

# Filter the labeled pixels based on the remaining labels,
# assign pixel intensity to 255 (uint8) for the remaining pixels
filteredImage = np.where(np.isin(labeledImage, remainingComponentLabels) == True, 255, 0).astype('uint8')

Вот результат фильтра:

Теперь осталась вторая белая область, мне нужно найти ее начальную точку, потому что я хочу применить вторую операцию flood-fill в этом месте. Я пройдусь по изображению, чтобы найти первый белый пиксель. Нравится:

# Get Image dimensions:
height, width = filteredImage.shape

# Store the flood-fill point here:
targetX = -1
targetY = -1

for i in range(0, width):
    for j in range(0, height):
        # Get current binary pixel:
        currentPixel = filteredImage[j, i]
        # Check if it is the first white pixel:
        if targetX == -1 and targetY == -1 and currentPixel == 255:
            targetX = i
            targetY = j

print("Flooding in X = "+str(targetX)+" Y: "+str(targetY))

Вероятно, есть более элегантный, Python-ориентированный способ сделать это, но я все еще изучаю язык. Не стесняйтесь улучшать сценарий (и делиться им здесь). Цикл, однако, дает мне местоположение первого белого пикселя, поэтому теперь я могу применить второй flood-fill в этом точном месте:

# Flood-fill background, seed at (targetX, targetY) and use black color:
cv2.floodFill(filteredImage, None, (targetX, targetY), 0)

Вы в конечном итоге с этим:

Как видите, просто подсчитайте количество ненулевых пикселей:

# Get the area of the target curve:
area = cv2.countNonZero(filteredImage)

print("Curve Area is: "+str(area))

Результат:

Curve Area is: 1510

Вот еще один подход с использованием Python/OpenCV.

• Чтение ввода
• преобразовать в цветовое пространство HSV
• Порог по цветовому диапазону синего
• Найдите самый большой контур
• Получите его площадь и распечатайте это
• нарисуйте контур как белый заполненный контур на черном фоне
• Сохраните результаты

Вход:

import cv2
import numpy as np

# read image as grayscale
img = cv2.imread('closed_curve.jpg')

# convert to HSV
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

#select blu color range in hsv
lower = (24,128,115)
upper = (164,255,255)

# threshold on blue in hsv
thresh = cv2.inRange(hsv, lower, upper)

# get largest contour
contours = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
contours = contours[0] if len(contours) == 2 else contours[1]
big_contour = max(contours, key=cv2.contourArea)
area = cv2.contourArea(c)
print("Area =",area)

# draw filled contour on black background
result = np.zeros_like(thresh)
cv2.drawContours(result, [c], -1, 255, cv2.FILLED)

# save result
cv2.imwrite("closed_curve_thresh.jpg", thresh)
cv2.imwrite("closed_curve_result.jpg", result)

# view result
cv2.imshow("threshold", thresh)
cv2.imshow("result", result)
cv2.waitKey(0)
cv2.destroyAllWindows()

Пороговое изображение:

Результат заполнения контура на черном фоне:

Область Результат:

Площадь = 2347,0