在opencv中填充轮廓

Question

我试图在openCV中使用Canny过滤器来识别轮廓并填充轮廓以创建一个蒙版。我有这样的起始图像：

我试图找出我的图像中的所有功能，绘制轮廓，并填充它们。我想这个代码在OpenCV中实现它：

img = cv2.imread(os.path.join(fName,f), 0) 
img = cv2.GaussianBlur(img,(5,5),0) 
cv2.bilateralFilter(img, 9, 150,450) 
edge = np.zeros((img.shape[0] + 2, img.shape[1] + 2), np.uint8) 
edge = cv2.Canny(img, 500, 300, apertureSize=5) 
cont, heir = cv2.findContours(edge.copy(), cv2.RETR_LIST,cv2.CHAIN_APPROX_SIMPLE) 
contours = [cv2.approxPolyDP(cnt, 3, True) for cnt in cont] 
cv2.morphologyEx(img, cv2.MORPH_CLOSE, np.ones((5,5), dtype='uint8')) 
cv2.drawContours(img, contours, -1, 255, -1) 
plt.imshow(img, cmap = 'gray', interpolation = 'bicubic') 
plt.xticks([]), plt.yticks([]) # to hide tick values on X and Y axis 

大多数情况下，我在参数猜测（试验和错误，这很难！）。不幸的是，不是整齐的轮廓，用白色填充，我得到了更像这样的东西：

有什么想法吗？显然，我需要更好地关闭边缘，并调整一些Canny参数，但我真的可以使用一些指导。

谢谢！

编辑：阈值并没有做很好的创建我想要的面具，我认为我的'明亮'点不比背景明亮，但我想能够在黑色背景上有白色的点。

代码：

img = cv2.imread(os.path.join(fName,f), 0) 
    cv2.bilateralFilter(img, 9, 90,16) 
    #img = cv2.GaussianBlur(img,(5,5),0) 
    #binImg = np.zeros((img.shape[0], img.shape[1]), np.uint8) 
    binImg = cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C,   cv2.THRESH_BINARY, 25, 2) 
    #binImg = cv2.threshold(img, 0, 255, cv2.THRESH_BINARY+cv2.THRESH_OTSU) 
    #newimg = np.multiply(img, np.divide(edge, 255.0))  
    plt.imshow(binImg, cmap = 'gray', interpolation = 'bicubic') 
    plt.xticks([]), plt.yticks([]) # to hide tick values on X and Y axis 
    #plt.show() 

Answer 1

你所说的 “识别轮廓” 和 “识别的所有功能” 是什么意思？如果您只需要明亮图像部分的蒙版，则不需要查找轮廓，然后填充它们以显示此类图像，只需使用任何类型的阈值即可获得所需的二元蒙版。

Answer 2

对于它的价值，二元掩模是最好的方法。谢谢你的建议。这仅仅意味着玩一些参数。对于这些功能，我发现下面的代码：

img = cv2.imread(os.path.join(fName,f), 0) 
cv2.bilateralFilter(img, 9, 90,16) 
img = cv2.GaussianBlur(img,(5,5),0) 
#binImg = np.zeros((img.shape[0], img.shape[1]), np.uint8) 
binImg = cv2.adaptiveThreshold(img, 1, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 55, -3) 
#cv2.bilateralFilter(binImg, 9, 90,16) 
#binImg = cv2.GaussianBlur(binImg, (3,3), 0) 
#ret, binImg = cv2.threshold(img, 35000, 1, cv2.THRESH_BINARY+cv2.THRESH_OTSU) 
plt.imshow(binImg, cmap = 'gray', interpolation = 'bicubic') 
plt.xticks([]), plt.yticks([]) # to hide tick values on X and Y axis 

产生正是我一直在寻找的那种面膜：

所以，我将关闭的问题。

Answer 3

如果你想使之更加独立或更少的参数，我建议以下的管道： -

1. 做一个超像素分割。我会建议：https://github.com/PSMM/SLIC-Superpixels
2. 对于每个超像素，计算平均亮度/强度。
3. 阈值（自动或某种聪明的方式）获得明亮的超像素。
4. 相应地创建遮罩