是否可以在python中使用OpenCV轮廓，使角落不被切断？

Question

我在python中使用OpenCV轮廓函数。例如，在这样的图像上：

contours, _ = cv2.findContours(img_expanded_padded, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)

除了如上图所示切掉轮廓内侧的角落外，它的效果很好。是否有任何选择可以留在这个角落？

沿着轮廓行进并手动填充它们的计算成本太高。以上只是一个例子。这将在5400x5400或更高的图像上多次执行...

我可以使用下面的代码找到边缘，并且因此填充了角落，但是我需要再次将它们提取为轮廓。

# FIND ALL HORIZONTAL AND VERTICAL EDGES AND COMBINE THEM
edges_expanded_x = np.absolute(cv2.Sobel(img_expanded_padded,cv2.CV_64F, 1, 0, ksize=3))
edges_expanded_y = np.absolute(cv2.Sobel(img_expanded_padded,cv2.CV_64F, 0, 1, ksize=3))
edges_expanded = np.logical_or(edges_expanded_x, edges_expanded_y)

# GET RID OF DOUBLE EDGE THAT RESULTS FROM SOBEL FILTER
edges_expanded = np.multiply(img_expanded_padded,edges_expanded)

我可以使用任何OpenCV设置或功能来完成此任务吗？

编辑：我应该澄清，我的目标是拥有一个像素连续轮廓。我需要轮廓而不是整个图像的阵列，包括轮廓。

编辑：上面的图像放大到我的测试图像。实际像素如下图中的红色网格所示。

Answer 1

没有必要使用cv2.Sobel你可以简单地在黑色背景上绘制cv2.drawContours的轮廓。可以在np.zeros的帮助下绘制黑色背景。

img = cv2.imread('contouring.png',0)
contours, _ = cv2.findContours(img, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)
bgr = np.zeros((img.shape[0], img.shape[1]), dtype= 'uint8')
cv2.drawContours(bgr, contours, -1, (255,255,255), 1)

如果你想要轮廓线很粗，那么你可以使用cv2.dilate。然后，为了防止切角cv2.bitwise_and可以与cv2.bitwise_not一起使用，如下所示

bgr = cv2.dilate(bgr, np.ones((31, 31), np.uint8), iterations=1)
bgr = cv2.bitwise_and(bgr, cv2.bitwise_not(img))

这给出了15像素厚的轮廓。

编辑 - 薄轮廓的第一个图像仍在偷工减料。为了获得不是角的单像素轮廓，我们可以使用3 * 3的内核大小。

img = cv2.imread('contouring.png',0)
contours, _ = cv2.findContours(img, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)
bgr = np.zeros((img.shape[0], img.shape[1]), dtype= 'uint8')
cv2.drawContours(bgr, contours, -1, (255,255,255), 1)
bgr = cv2.dilate(bgr, np.ones((3, 3), np.uint8), iterations=1)
bgr = cv2.bitwise_and(bgr, cv2.bitwise_not(img))

这给了我们

我通过在bgr和img之间使用cv2.bitwise_and来检查它，我获得了一个黑色图像，表明没有白色像素正在切角。