opencv - 如何裁剪掉凸度缺陷？

我正在尝试从轮廓中检测并精确定位图像中的某些对象。我得到的轮廓经常包含一些噪音(也许是背景，我不知道)。对象看起来应该类似于矩形或正方形，例如:



我通过形状匹配 ( cv::matchShapes ) 获得了非常好的结果，以检测其中包含或不包含噪声的对象的轮廓，但是在出现噪声的情况下，我在精确定位方面遇到了问题。

噪音看起来像:

例如 或 。

我的想法是找到凸度缺陷，如果它们变得太强，以某种方式裁剪掉导致凹度的部分。检测缺陷是可以的，通常每个“不需要的结构”都会有两个缺陷，但我一直在思考如何决定应该从轮廓中删除点的内容和位置。

以下是一些轮廓、它们的掩码(因此您可以轻松提取轮廓)和凸包，包括阈值凸度缺陷:



















我是否可以穿过轮廓并在本地决定轮廓是否执行“左转”(如果顺时针走)，如果是，则删除轮廓点直到进行下一次左转？也许从凸面缺陷开始？

我在找算法或者代码，编程语言应该不重要，算法更重要。

最佳答案

这种方法仅适用于点。您不需要为此创建掩码。

主要思想是:

查找轮廓上的缺陷

如果我找到至少两个缺陷，则找到两个最接近的缺陷

从轮廓中删除两个最近缺陷之间的点

在新轮廓上从 1 重新开始

我得到以下结果。如您所见，它对于平滑缺陷(例如第 7 张图像)有一些缺点，但对于清晰可见的缺陷非常有效。我不知道这是否会解决您的问题，但可以作为一个起点。实际上应该很快(你肯定可以优化下面的代码，特别是 removeFromContour 函数)。此外，这种方法的唯一参数是凸面缺陷的数量，因此它适用于小缺陷和大缺陷 Blob 。

#include <opencv2/opencv.hpp>
using namespace cv;
using namespace std;

int ed2(const Point& lhs, const Point& rhs)
{
    return (lhs.x - rhs.x)*(lhs.x - rhs.x) + (lhs.y - rhs.y)*(lhs.y - rhs.y);
}

vector<Point> removeFromContour(const vector<Point>& contour, const vector<int>& defectsIdx)
{
    int minDist = INT_MAX;
    int startIdx;
    int endIdx;

    // Find nearest defects
    for (int i = 0; i < defectsIdx.size(); ++i)
    {
        for (int j = i + 1; j < defectsIdx.size(); ++j)
        {
            float dist = ed2(contour[defectsIdx[i]], contour[defectsIdx[j]]);
            if (minDist > dist)
            {
                minDist = dist;
                startIdx = defectsIdx[i];
                endIdx = defectsIdx[j];
            }
        }
    }

    // Check if intervals are swapped
    if (startIdx <= endIdx)
    {
        int len1 = endIdx - startIdx;
        int len2 = contour.size() - endIdx + startIdx;
        if (len2 < len1)
        {
            swap(startIdx, endIdx);
        }
    }
    else
    {
        int len1 = startIdx - endIdx;
        int len2 = contour.size() - startIdx + endIdx;
        if (len1 < len2)
        {
            swap(startIdx, endIdx);
        }
    }

    // Remove unwanted points
    vector<Point> out;
    if (startIdx <= endIdx)
    {
        out.insert(out.end(), contour.begin(), contour.begin() + startIdx);
        out.insert(out.end(), contour.begin() + endIdx, contour.end());
    }
    else
    {
        out.insert(out.end(), contour.begin() + endIdx, contour.begin() + startIdx);
    }

    return out;
}

int main()
{
    Mat1b img = imread("path_to_mask", IMREAD_GRAYSCALE);

    Mat3b out;
    cvtColor(img, out, COLOR_GRAY2BGR);

    vector<vector<Point>> contours;
    findContours(img.clone(), contours, RETR_EXTERNAL, CHAIN_APPROX_NONE);

    vector<Point> pts = contours[0];

    vector<int> hullIdx;
    convexHull(pts, hullIdx, false);

    vector<Vec4i> defects;
    convexityDefects(pts, hullIdx, defects);

    while (true)
    {
        // For debug
        Mat3b dbg;
        cvtColor(img, dbg, COLOR_GRAY2BGR);

        vector<vector<Point>> tmp = {pts};
        drawContours(dbg, tmp, 0, Scalar(255, 127, 0));

        vector<int> defectsIdx;
        for (const Vec4i& v : defects)
        {
            float depth = float(v[3]) / 256.f;
            if (depth > 2) //  filter defects by depth
            {
                // Defect found
                defectsIdx.push_back(v[2]);

                int startidx = v[0]; Point ptStart(pts[startidx]);
                int endidx = v[1]; Point ptEnd(pts[endidx]);
                int faridx = v[2]; Point ptFar(pts[faridx]);

                line(dbg, ptStart, ptEnd, Scalar(255, 0, 0), 1);
                line(dbg, ptStart, ptFar, Scalar(0, 255, 0), 1);
                line(dbg, ptEnd, ptFar, Scalar(0, 0, 255), 1);
                circle(dbg, ptFar, 4, Scalar(127, 127, 255), 2);
            }
        }

        if (defectsIdx.size() < 2)
        {
            break;
        }

        // If I have more than two defects, remove the points between the two nearest defects
        pts = removeFromContour(pts, defectsIdx);
        convexHull(pts, hullIdx, false);
        convexityDefects(pts, hullIdx, defects);
    }


    // Draw result contour
    vector<vector<Point>> tmp = { pts };
    drawContours(out, tmp, 0, Scalar(0, 0, 255), 1);

    imshow("Result", out);
    waitKey();

    return 0;
}

更新

处理近似轮廓(例如，在 CHAIN_APPROX_SIMPLE 中使用 findContours )可能更快，但必须使用 arcLength() 计算轮廓的长度。

这是在 removeFromContour 的交换部分替换的片段:

// Check if intervals are swapped
if (startIdx <= endIdx)
{
    //int len11 = endIdx - startIdx;
    vector<Point> inside(contour.begin() + startIdx, contour.begin() + endIdx);
    int len1 = (inside.empty()) ? 0 : arcLength(inside, false);

    //int len22 = contour.size() - endIdx + startIdx;
    vector<Point> outside1(contour.begin(), contour.begin() + startIdx);
    vector<Point> outside2(contour.begin() + endIdx, contour.end());
    int len2 = (outside1.empty() ? 0 : arcLength(outside1, false)) + (outside2.empty() ? 0 : arcLength(outside2, false));

    if (len2 < len1)
    {
        swap(startIdx, endIdx);
    }
}
else
{
    //int len1 = startIdx - endIdx;
    vector<Point> inside(contour.begin() + endIdx, contour.begin() + startIdx);
    int len1 = (inside.empty()) ? 0 : arcLength(inside, false);


    //int len2 = contour.size() - startIdx + endIdx;
    vector<Point> outside1(contour.begin(), contour.begin() + endIdx);
    vector<Point> outside2(contour.begin() + startIdx, contour.end());
    int len2 = (outside1.empty() ? 0 : arcLength(outside1, false)) + (outside2.empty() ? 0 : arcLength(outside2, false));

    if (len1 < len2)
    {
        swap(startIdx, endIdx);
    }
}

关于opencv - 如何裁剪掉凸度缺陷？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/35226993/