Najpierw problem wydawał mi się prosty, moim pomysłem było wykorzystanie analizy blobów do wykrycia różnych obiektów typu blob, pogrupowanie ich według rozmiaru i użycie algorytmu przepełnienia, aby je pokolorować.
Jednak napotkałem na pewne problemy z domyślnymi wartościami analizy blobów, których nie zmodyfikowałem, co kosztowało trochę czasu. Ponadto, nie znalazłem żadnych fragmentów kodu Pythona do wypełniania powodzi lub colourizing obiektów blob z OpenCV, i były pewne zmiany w składni za pomocą SimpleBlobDetection w porównaniu do starszych wersji, dla których mogłem znaleźć tylko małą dokumentację i przykładowy kod. Może więc cały ten kod może być przydatny również dla innych użytkowników.
Mam nadzieję, że poprawnie zidentyfikowałem segmenty, które chciałeś znaleźć. Jeśli nie chcesz zawierać dużych ciemnych zewnętrznych liści, istnieje linia do komentowania.
Dla wizualizacji, można zmienić rozmiar obrazu (wypowiedziało się w tej chwili, należy pamiętać, aby dostosować progi wielkości odpowiednio przez współczynnik 4 * 4 = 16)
Kod jest nieco dłuższe z tymi wszystkimi opcjami, ale mam nadzieję, że łatwo je przeczytać. Wiele się nauczyłem na temat analizy blobów przy pomocy OpenCV pracującego nad tym problemem, dziękuję!
Przyjemny obraz, przy okazji.
import numpy as np
import cv2
im = cv2.imread('tricky.png')
# For better visibility, resize image to better fit screen
#im= cv2.resize(im, dsize=(0,0),fx=0.25, fy=0.25)
#convert to gray value for blob analysis
imgray= cv2.cvtColor(im,cv2.COLOR_BGR2GRAY)
#### Blob analysis to find inner white leaves
# SimpleBlobDetector will find black blobs on white surface, this is why type=cv2.THRESH_BINARY_INV is necessary
ret,imthresh = cv2.threshold(imgray,160, 255,type=cv2.THRESH_BINARY_INV)
# Setup SimpleBlobDetector parameters.
params = cv2.SimpleBlobDetector_Params()
# Filter by Area.
params.filterByArea = True
params.minArea = 15000
params.maxArea = 150000
# Create a detector with the parameters
detector = cv2.SimpleBlobDetector_create(params)
# Detect blobs.
keypoints = detector.detect(imthresh)
# Draw detected blobs as red circles.
# cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS ensures
# the size of the circle corresponds to the size of blob
im_with_keypoints = cv2.drawKeypoints(imthresh, keypoints, np.array([]), (0,0,255), cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS)
# Show blobs
cv2.imshow("Keypoints", im_with_keypoints)
####floodfill inner white leaves with blue
#http://docs.opencv.org/3.0-beta/modules/imgproc/doc/miscellaneous_transformations.html
#Create a black mask for floodfill. Mask needs to be 2 pixel wider and taller
maskborder=imgray.copy()
maskborder[:] = 0
bordersize=1
maskborder=cv2.copyMakeBorder(maskborder, top=bordersize, bottom=bordersize, left=bordersize, right=bordersize, borderType= cv2.BORDER_CONSTANT, value=[255,255,255])
print imgray.shape[:2]
print maskborder.shape[:2]
#Create result image for floodfill
result = im.copy()
#fill white inner segments with blue color
for k in keypoints:
print int(k.pt[0]),int(k.pt[1])
seed_pt = int(k.pt[0]),int(k.pt[1])
cv2.floodFill(result, maskborder, seed_pt, (255,0, 0))
#### Blob analysis to find small triangles
# SimpleBlobDetector will find black blobs on white surface, this is why type=cv2.THRESH_BINARY_INV is necessary
ret,imthresh2 = cv2.threshold(imgray,150, 255,type=cv2.THRESH_BINARY)
ret,imthresh3 = cv2.threshold(imgray,140, 255,type=cv2.THRESH_BINARY_INV)
imthresh4 = cv2.add(imthresh2,imthresh3)
# Setup SimpleBlobDetector parameters.
params = cv2.SimpleBlobDetector_Params()
# Filter by Area.
params.filterByArea = True
params.minArea = 20
params.maxArea = 1000
params.maxArea = 50000 #Using this line includes the outer dark leaves. Comment out if necessary
# Don't filter by Circularity
params.filterByCircularity = False
# Don't filter by Convexity
params.filterByConvexity = False
# Don't filter by Inertia
params.filterByInertia = False
# Create a detector with the parameters
detector = cv2.SimpleBlobDetector_create(params)
# Detect blobs.
keypoints = detector.detect(imthresh4)
# Draw detected blobs as red circles.
# cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS ensures
# the size of the circle corresponds to the size of blob
im_with_keypoints2 = cv2.drawKeypoints(imthresh4, keypoints, np.array([]), (0,0,255), cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS)
# Show blobs
cv2.imshow("Keypoints2", im_with_keypoints2)
####floodfill triangles with green
#http://docs.opencv.org/3.0-beta/modules/imgproc/doc/miscellaneous_transformations.html
#Create a black mask for floodfill. Mask needs to be 2 pixel wider and taller
maskborder=imgray.copy()
maskborder[:] = 0
bordersize=1
maskborder=cv2.copyMakeBorder(maskborder, top=bordersize, bottom=bordersize, left=bordersize, right=bordersize, borderType= cv2.BORDER_CONSTANT, value=[255,255,255])
print imgray.shape[:2]
print maskborder.shape[:2]
#Create result image for floodfill
result2 = result.copy()
#fill triangles with green color
for k in keypoints:
print int(k.pt[0]),int(k.pt[1])
seed_pt = int(k.pt[0]),int(k.pt[1])
cv2.floodFill(result2, maskborder, seed_pt, (0,255, 0))
#cv2.imshow('main',im)
#cv2.imshow('gray',imgray)
#cv2.imshow('borders',maskborder)
#cv2.imshow('threshold2',imthresh2)
#cv2.imshow('threshold3',imthresh3)
#cv2.imshow('threshold4',imthresh4)
cv2.imshow("Result", result2)
cv2.imwrite("result.png",result2)
cv2.waitKey(0)
cv2.destroyAllWindows()