使用Python提取图像分块边界顶点
本文介绍如何使用Python提取图像分块后的边界顶点坐标。假设您已将单通道图像分割成多个块，每个块用递增的数值标识，本文将演示如何获取每个块的边界顶点。
问题描述
您已将单通道图像分割成h×m的网格，每个块的值相同且从1开始递增。目标是获取每个块的边界顶点坐标。
解决方案
我们将使用OpenCV (cv2) 和 NumPy 库来实现此功能。
首先，安装必要的库：
立即学习“Python免费学习笔记（深入）”；
pip install opencv-python numpy
以下代码演示如何提取边界顶点：
import cv2
import numpy as np
# 假设图像数据已保存为'image.npy'
image = np.load('image.npy')
# 存储每个块边界顶点的列表
boundaries = []
# 获取图像尺寸
height, width = image.shape
# 遍历每个唯一标签（块）
for label in np.unique(image):
if label == 0: # 跳过背景 (假设背景值为0)
continue
# 创建掩码，仅包含当前标签的像素
mask = np.zeros_like(image, dtype=np.uint8)
mask[image == label] = 255
# 查找轮廓
contours, _ = cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
# 获取边界顶点
if contours:
contour = contours[0]
# 使用approxPolyDP简化轮廓
epsilon = 0.1 * cv2.arcLength(contour, True)
approx = cv2.approxPolyDP(contour, epsilon, True)
boundaries.append(approx)
# 输出每个块的边界顶点
for i, boundary in enumerate(boundaries):
print(f"块 {i+1} 的边界顶点:")
for point in boundary:
print(f"({point[0][0]}, {point[0][1]})")
代码解释
-
加载图像: 代码假设图像数据已保存为
image.npy文件。 您可以根据实际情况修改加载方式。 - 遍历标签: 代码遍历图像中每个唯一的标签值（即每个块）。
- 创建掩码: 为每个标签创建一个二值掩码，其中该标签的像素值为255，其他像素值为0。
-
查找轮廓: 使用
cv2.findContours函数查找每个块的轮廓。 -
简化轮廓: 使用
cv2.approxPolyDP函数简化轮廓，得到近似的多边形，从而提取边界顶点。
此代码有效地提取了每个图像块的边界顶点坐标。 请确保您的图像数据已正确预处理并保存为 NumPy 数组。
