用python计算灰度图像中蒙版的面积（以像素为单位）

Question

下面的硬币图是带有不同蒙版的灰度图像（以不同的颜色显示）。有没有办法用python计算灰度图像中每个硬币的这些掩码的面积（以像素为单位）。硬币面具的标签{"classes": [{"title": "coin1", "shape": "polygon", "color": "#BE5C3C", "geometry_config": {}}, {"title": "coin2", "shape": "polygon", "color": "#961D82", "geometry_config": {}}, {"title": "coin3", "shape": "polygon", "color": "#C1BB5C", "geometry_config": {}}, {"title": "coin4", "shape": "polygon", "color": "#D0021B", "geometry_config": {}}, {"title": "coin5", "shape": "polygon", "color": "#417505", "geometry_config": {}}], "tags": []}硬币面具的注释{"tags": [], "description": "", "objects": [{"description": "", "bitmap": null, "tags": [], "classTitle": "coin1", "points": {"exterior": [[59.0, 85.0], [65.0, 70.0], [76.0, 63.0], [89.0, 61.0], [105.0, 63.0], [116.0, 78.0], [118.0, 98.0], [103.0, 117.0], [80.0, 118.0], [61.0, 103.0]], "interior": []}}, {"description": "", "bitmap": null, "tags": [], "classTitle": "coin2", "points": {"exterior": [[103.0, 43.0], [104.0, 28.0], [118.0, 17.0], [136.0, 16.0], [151.0, 22.0], [161.0, 34.0], [159.0, 53.0], [150.0, 68.0], [127.0, 73.0], [109.0, 62.0], [105.0, 54.0]], "interior": []}}, {"description": "", "bitmap": null, "tags": [], "classTitle": "coin3", "points": {"exterior": [[112.0, 143.0], [121.0, 129.0], [148.0, 124.0], [165.0, 141.0], [166.0, 160.0], [159.0, 175.0], [138.0, 184.0], [119.0, 174.0], [112.0, 161.0]], "interior": []}}, {"description": "", "bitmap": null, "tags": [], "classTitle": "coin4", "points": {"exterior": [[44.0, 137.0], [69.0, 134.0], [81.0, 152.0], [80.0, 171.0], [64.0, 181.0], [46.0, 178.0], [37.0, 168.0], [33.0, 151.0]], "interior": []}}, {"description": "", "bitmap": null, "tags": [], "classTitle": "coin5", "points": {"exterior": [[183.0, 117.0], [189.0, 100.0], [201.0, 93.0], [220.0, 98.0], [226.0, 111.0], [223.0, 126.0], [211.0, 136.0], [194.0, 135.0]], "interior": []}}], "size": {"height": 206, "width": 244}}

Answer 1

这是一种使用 OpenCV 的方法。我们使用 Otsu 的阈值来获得二值图像，这使我们得到所需的前景对象为白色，而背景为黑色。从这里我们使用cv2.countNonZero()它返回蒙版上的白色像素数

查找白色像素的数量

pixels = cv2.countNonZero(thresh) # OR

# pixels = len(np.column_stack(np.where(thresh > 0)))

像素 198580

我们还可以计算像素与总图像面积的百分比

image_area = image.shape[0] * image.shape[1]

area_ratio = (pixels / image_area) * 100

面积比 24.43351838727459

import cv2

import numpy as np

image = cv2.imread('1.png')

gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

thresh = cv2.threshold(gray,0,255,cv2.THRESH_OTSU + cv2.THRESH_BINARY)[1]

pixels = cv2.countNonZero(thresh)

# pixels = len(np.column_stack(np.where(thresh > 0)))

image_area = image.shape[0] * image.shape[1]

area_ratio = (pixels / image_area) * 100

print('pixels', pixels)

print('area ratio', area_ratio)

cv2.imshow('thresh', thresh)

cv2.waitKey(0)

如果您想获得单个硬币像素区域，那么您可以遍历每个轮廓。总面积应该相同

import cv2

import numpy as np

image = cv2.imread('1.png')

gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

thresh = cv2.threshold(gray,0,255,cv2.THRESH_OTSU + cv2.THRESH_BINARY)[1]

cnts = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

cnts = cnts[0] if len(cnts) == 2 else cnts[1]

total = 0

for c in cnts:

    x,y,w,h = cv2.boundingRect(c)

    mask = np.zeros(image.shape, dtype=np.uint8)

    cv2.fillPoly(mask, [c], [255,255,255])

    mask = cv2.cvtColor(mask, cv2.COLOR_BGR2GRAY)

    pixels = cv2.countNonZero(mask)

    total += pixels

    cv2.putText(image, '{}'.format(pixels), (x,y - 15), cv2.FONT_HERSHEY_SIMPLEX, 0.8, (255,255,255), 2)

print(total)

cv2.imshow('thresh', thresh)

cv2.imshow('image', image)

cv2.waitKey(0)