提取多边形

考虑以下图像的形状的子图像：提取多边形

Image of traffic

这是从业务的视频镜头的帧。

我想要做的是只剪出即将到来的流量并分析它。我想要一个快速高效的方法，通过提供某些坐标，我可以提取多边形等。

我正在研究OpenCV和Python。

编辑：
一个选择我看到的是处理图像numpy的数组，并使用for循环中提取某些元素，但不会是有效的，我不知道，如果它的正确的事情。

来源

2013-03-14 md1hunox

@Schoolboy对不起，更新的问题 – md1hunox 2013-03-14 08:04:26

我会建议使用轮廓提取您感兴趣的区域（任何你想要的形状）。请参阅本文档：Drawing Contours

你的方法应该如下：

标志点，使你的坐标无论是图像本身由MouseEventListener连接到窗口。
通过使用创建一个面具图像。（全零）
使用这些坐标集，使用cv2.drawContours（）方法在“蒙版图像”上绘制所需的形状，并用白色（255）填充它。
使用原始灰度图像进行Bitwise_And操作。

示例代码：

#Function 
def on_mouse(event, x, y, flags,(cPts,overlayImage,resetImage)): 
    if event==cv.CV_EVENT_LBUTTONUP: 
     cPts[0].append([x,y]) 
     cv2.circle(overlayImage,(x,y),5,(255),-1) 
    elif event==cv.CV_EVENT_RBUTTONUP: 
     cPts[0]=[] 
     print cPts 
     overlayImage[:]=resetImage[:] 


#Main Program 
cvImage=cv2.imread(inputImageFilePath) 
grayscaleImage=cv2.cvtColor(cvImage,cv.CV_BGR2GRAY) 
overlayImage=np.copy(grayscaleImage) 

cv2.namedWindow('preview') 
cPts=[[]] 
cv2.setMouseCallback('preview',on_mouse,(cPts,overlayImage,grayscaleImage)) 
opacity=0.4 
while True: 
    displayImage=cv2.addWeighted(overlayImage,opacity,grayscaleImage,1-opacity,0) 
    cv2.imshow('preview',displayImage) 
    keyPressed=cv2.waitKey(5) 
    if keyPressed==27: 
     break 
    elif keyPressed==32: 
     print cPts 
     cv2.drawContours(overlayImage,np.array(cPts),0,255) 
     maskImage=np.zeros_like(grayscaleImage) 
     cv2.drawContours(maskImage,np.array(cPts),0,255,-1) 
     extractedImage=np.bitwise_and(grayscaleImage,maskImage) 
     cv2.imshow('extractedImage',extractedImage) 
cv2.destroyAllWindows()

来源

2013-03-16 15:29:23

谢谢！解决了它 – md1hunox 2013-03-16 15:47:09

我可以提出一个版本的算法：

第一丢弃图像的一部分，你是不感兴趣，如果一个静态的摄像头，你可以手动计算该区域。在其他情况下尝试使用Line Detection Algorithm
然后用cvThreshold抽取背景（使用background extraction的很好例子）。
提取后，您可以找到轮廓并分析它们的形状以区分物体（汽车，人等）。

希望这会有所帮助。

来源

2013-03-14 08:51:08

好吧，我建议你做这样的事情：

独立的图像分成不同的区域，根据不同的事情主要是照明。
然后，对于每个区域，应用阈值将重要区域（交通）与不重要区域（树木等）分开。（cv2.threshold）
使用的轮廓，你可以从其他的东西区分车辆。（cv2.findContours和更多）

如果您有视频或类似的东西流，你可以使用像运动检测过。

有些链接可能对您有用：

来源

2013-03-14 15:18:55 pradyunsg

回答

相关问题