如何连接边缘的末端以关闭它们之间的孔?

How to connect the ends of edges in order to close the holes between them?

我的任务是检测土壤表面的裂缝并计算裂缝的总面积。为此,我使用了 Canny 边缘检测。

输入图片

结果

我的下一步是将精巧的边缘转换为轮廓,因为我想使用 cv2.mean 过滤裂缝并使用 cv2.contourArea 函数计算它们的面积。在这一步,我遇到了问题。当我使用时:

canny_cracks = cv2.Canny(gray, 100, 200)
contours, _ = cv2.findContours(canny_cracks, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

由于边缘的末端有孔,因此无法正确转换。在这里查看问题

我的问题是如何连接边缘的末端以闭合它们之间的孔?

注意:我使用了轮廓检测,但没有应用 Canny 边缘。问题在于轮廓检测会产生大量噪音并且无法很好地检测到所有裂缝。或者我不知道如何像精明的边缘那样找到轮廓。

您可以使用 Morphological Close。这会缩小白色像素之间的间隙。如果您在下面的脚本中输入了您的 Canny 图片,您可以自己尝试一下。

结果:

代码:

    import cv2
    import numpy as np  

    # function that handles trackbar changes
    def doClose(val):
            # create a kernel based on trackbar input
            kernel = np.ones((val,val))
            # do a morphologic close
            res = cv2.morphologyEx(img,cv2.MORPH_CLOSE, kernel)
            # display result
            cv2.imshow("Result", res)

    #load image as grayscale
    img = cv2.imread("KbMHp.png",0)

    # create window and add trackbar
    cv2.namedWindow('Result')
    cv2.createTrackbar('KernelSize','Result',0,15,doClose)

    # display image
    cv2.imshow("Result", img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()  

从您提供的第二张图片开始,这是我解决此问题的方法:

  • 高斯模糊图像并转换为灰度
  • 从花盆中分离土壤
    • 只创建土壤的圆形蒙版
    • 提取土壤 ROI
  • 执行形态变换以关闭孔洞
  • 查找轮廓并按轮廓区域过滤
  • 面积求和得到结果

我们首先进行高斯模糊并将图像转换为灰度。

image = cv2.imread('5.png')
original = image.copy()

blur = cv2.GaussianBlur(image, (3,3), 0)
gray = cv2.cvtColor(blur, cv2.COLOR_BGR2GRAY)
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5,5))

目标是将土壤边缘与花盆边缘隔离开来。为此,我们使用 cv2.HoughCircles() 找到花盆的外圈,缩小圆圈以抓住土壤区域,并使用原始图像的形状创建蒙版。

circle_mask = np.zeros(original.shape, dtype=np.uint8) 
circles = cv2.HoughCircles(gray, cv2.HOUGH_GRADIENT, 1.5, 200) 

# Convert the (x, y) coordinates and radius of the circles to integers
circles = np.round(circles[0, :]).astype("int")
circle_ratio = 0.85

# Loop over the (x, y) coordinates and radius of the circles
for (x, y, r) in circles:
    # Draw the circle, create mask, and obtain soil ROI
    cv2.circle(image, (x, y), int(r * circle_ratio), (0, 255, 0), 2)
    cv2.circle(circle_mask, (x, y), int(r * circle_ratio), (255, 255, 255), -1)
    soil_ROI = cv2.bitwise_and(original, circle_mask)

我们遍历坐标以找到圆的半径。从这里我们画出最大的外圈。

现在为了分离土壤和花盆,我们应用比例因子来获得这个

接下来,我们填充圆圈以获得掩码,然后将其应用于原始图像以获得土壤ROI。

土壤面膜

土壤投资回报率

你的问题是

How can I connect the ends of edges in order to close the hole between them?

为此,您可以执行 morphological transformation 使用 cv2.morphologyEx() 来关闭孔,从而导致此

gray_soil_ROI = cv2.cvtColor(soil_ROI, cv2.COLOR_BGR2GRAY)
close = cv2.morphologyEx(gray_soil_ROI, cv2.MORPH_CLOSE, kernel)

现在我们使用 cv2.findContours() 找到轮廓,并使用 cv2.contourArea() 以最小阈值区域进行过滤,以去除岩石等小噪声。您可以调整最小区域以控制过滤强度。

cnts = cv2.findContours(close, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]

crack_area = 0
minumum_area = 25
for c in cnts:
    area = cv2.contourArea(c)
    if area > minumum_area:
        cv2.drawContours(original,[c], 0, (36,255,12), 2)
        crack_area += area

最后,我们对面积求和,得到裂缝的总面积

3483.5

import cv2
import numpy as np

image = cv2.imread('5.png')
original = image.copy()

blur = cv2.GaussianBlur(image, (3,3), 0)
gray = cv2.cvtColor(blur, cv2.COLOR_BGR2GRAY)
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5,5))

circle_mask = np.zeros(original.shape, dtype=np.uint8) 
circles = cv2.HoughCircles(gray, cv2.HOUGH_GRADIENT, 1.5, 200) 

# Convert the (x, y) coordinates and radius of the circles to integers
circles = np.round(circles[0, :]).astype("int")
circle_ratio = 0.85

# Loop over the (x, y) coordinates and radius of the circles
for (x, y, r) in circles:
    # Draw the circle, create mask, and obtain soil ROI
    cv2.circle(image, (x, y), int(r * circle_ratio), (0, 255, 0), 2)
    cv2.circle(circle_mask, (x, y), int(r * circle_ratio), (255, 255, 255), -1)
    soil_ROI = cv2.bitwise_and(original, circle_mask)

gray_soil_ROI = cv2.cvtColor(soil_ROI, cv2.COLOR_BGR2GRAY)
close = cv2.morphologyEx(gray_soil_ROI, cv2.MORPH_CLOSE, kernel)

cnts = cv2.findContours(close, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]

crack_area = 0
minumum_area = 25
for c in cnts:
    area = cv2.contourArea(c)
    if area > minumum_area:
        cv2.drawContours(original,[c], 0, (36,255,12), 2)
        crack_area += area

print(crack_area)
cv2.imshow('close', close)
cv2.imshow('circle_mask', circle_mask)
cv2.imshow('soil_ROI', soil_ROI)
cv2.imshow('original', original)
cv2.waitKey(0)