Python OpenCV 泛洪填充,取经之旅第 21 天

梦想橡皮擦 2021-01-21 00:49:00
Python OpenCV 之旅 填充 取经


学习目标

每天 1 小时,365 天成就奇迹。

今天学习 Python OpenCV 泛洪填充相关知识,泛洪填充也叫做水漫填充算法。

原理是 从一个像素点开始,将附近满足像素要求的点,全部填充成指定颜色,直到碰到不满足要求的点。

如果从概念上记忆,常见的有四邻域像素填充法,八邻域像素填充法,基于扫描线的像素填充方法。

对于这些概念,先略过,没有建立整体认知之前,学习任何基础概念都毫无价值。

函数原型

泛洪填充的语法原型如下:

floodFill(image, mask, seedPoint, newVal[, loDiff[, upDiff[, flags]]]) -> retval, image, mask, rect

该函数包括七个参数,分别如下:

  • image:操作的图像
  • mask:掩膜,比 image 的高度多 2 个像素,宽度多 2 个像素。填充时不能穿过输入掩码中的非零像素
  • seedPoint:起始的像素点
  • newVal:新的填充值(颜色)
  • loDiff:填充颜色的低值(起始像素点处颜色减去该值)
  • upDiff:填充颜色的高值 (起始像素点处颜色加上该值)
  • flags:操作位标识符,彩色图像一般是FLOODFILL_FIXED_RANGE 指定颜色填充

关于 flags 还找到一个清晰的说明:

当为CV_FLOODFILL_FIXED_RANGE 时,待处理的像素点与种子点作比较,如果满足(s – loDiff, s + upDiff)之间(s 为种子点像素值),则填充;
当为CV_FLOODFILL_MASK_ONLY 时,则 mask 不能为空,此时,函数不填充原始图像 img,而是填充掩码图像.

案例代码

测试图片如下:

Python OpenCV 泛洪填充,取经之旅第 21 天

测试代码如下:

import cv2 as cv
import numpy as np
# 彩色图像填充
def fill_color_demo(src):
img_copy = src.copy()
h, w, ch = src.shape
# 声明一个矩形形状,注意高度和宽度都增加 2 个像素
# np.zeros 返回一个给定形状和类型的用 0 填充的数组
mask = np.zeros([h+2, w+2], np.uint8)
# 参数1,待使用泛洪填充的图像
# 参数2,掩膜,使用掩膜可以规定是在哪个区域使用该算法,如果是对于完整图像都要使用,则掩膜大小为原图行数 + 2,列数 + 2
# 掩膜,是一个二维的0矩阵,因为只有掩膜上对应为 0 的位置才能泛洪
# 参数3,泛洪填充的种子点,基于该点的像素判断和它相近颜色的像素点,是否被泛洪处理
# 参数4,泛洪区域的新颜色(BGR格式)
# 参数5,种子点像素可以向下的像素值
# 参数6,种子点像素可以向上的像素值
# 参数7,泛洪算法的处理模式
cv.floodFill(img_copy, mask, (20, 20), (0, 255, 0),
(50, 50, 50), (100, 100, 100), cv.FLOODFILL_FIXED_RANGE)
cv.imshow("color_demo", img_copy)
if __name__ == "__main__":
src = cv.imread('./25.jpg')
fill_color_demo(src)
cv.waitKey()
cv.destroyAllWindows()

运行之后的效果如下:
Python OpenCV 泛洪填充,取经之旅第 21 天
关于在设置掩膜的时候,为什么像素要 +2,部分地方给出的解释是:当从 0 行 0 列开始泛洪填充扫描时,mask 多出来的 2 可以保证扫描的边界上的像素都会被处理。暂时先理解一下吧。

关于参数 5 与参数 6,找到如下资料:

从起始的种子点开始,用指定颜色填充与其相连的像素。连通性取决于相邻像素的颜色和亮度,像素在下列情况下被属于重新绘制的区域,公式如下。
Python OpenCV 泛洪填充,取经之旅第 21 天
在通俗的说明如下:

  • (20, 20):为种子点的位置;
  • (0, 255, 0):为泛洪填充颜色,绿色;
  • (50, 50, 50):以种子点像素三通道值[ b, g, r ]为基准,被填充范为在原图三通道最低值为[ b-50, g-50, r-50 ];
  • (100, 100, 100):以种子点像素三通道值[ b, g, r ]为基准,被填充范为在原图三通道最高值为[ b+100, g+100, r+100];
  • cv.FLOODFILL_FIXED_RANGE:待处理的像素点与种子点作比较,在范围之内,则填充此像素。

在原图像只有像素三通道值[ b-50, g-50, r-50 ] <= [ B , G, R] <=[ b+100, g+100, r+100]在此范围内的都会被指定绿色(0, 255, 0)填充。

二值图像填充

先看代码,注意注释部分。

import cv2 as cv
import numpy as np
def fill_binary():
# 设置一个400*400的矩形
image = np.zeros([400, 400, 3], np.uint8)
# 内部填充一个白色正方形
image[100:300, 100:300, :] = 255
cv.imshow("fill_binary", image)
# 设置掩膜
mask = np.ones([402, 402], np.uint8)
mask[101:301, 101:301] = 0
# mask不为0的区域不会被填充,mask为0的区域才会被填充
cv.floodFill(image, mask, (200, 200), (255, 255, 0),
cv.FLOODFILL_MASK_ONLY)
cv.imshow("filled_binary", image)
fill_binary()
cv.waitKey(0)
cv.destroyAllWindows()

这部分代码来源网络,重点理解 FLOODFILL_MASK_ONLY 即可,该值表示从种子点开始,填充掩膜区域。

OpenCV 尾声

1 个小时又过去了,对 Python OpenCV 相关的知识点,你掌握了吗?

做为初学者,还有很多地方学习的不深入,希望你与我一起坚持下去。

空闲之余,可以订阅橡皮擦的爬虫百例课程学习爬虫知识。

想学 Python 爬虫,可以订阅橡皮擦专栏哦~ 点击发现惊喜


今天是持续写作的第 59 / 100 天。
如果你有想要交流的想法、技术,欢迎在评论区留言。


如果你想跟博主建立亲密关系,可以关注博主,或者关注博主公众号 “非本科程序员”,了解一个非本科程序员是如何成长的。
博主 ID:梦想橡皮擦,希望大家点赞、评论、收藏

版权声明
本文为[梦想橡皮擦]所创,转载请带上原文链接,感谢
https://dream.blog.csdn.net/article/details/112852363

  1. 【七天搞定Python】day01.Python环境配置、pip、IDE、注释、变量,数据类型、标识符/关键字、输出、输入
  2. Life is short, I learn Python
  3. Python image enhancement and special effects - using Baidu AI to color black and white images
  4. Python environment configuration, Pip, IDE, comment, variable, data type, identifier / keyword, output, input
  5. 为什么说Python是最伟大的语言?看图就知道了 - 知乎
  6. Why is Python the greatest language? Just look at the picture. - Zhihu
  7. 通过创建视频游戏来学习 Python
  8. Learn Python by creating video games
  9. Python3版本下创建计算给定日期范围内工作日方法
  10. Creating a method to calculate working days within a given date range in Python 3
  11. 图解爬虫,用几个最简单的例子带你入门Python爬虫
  12. Graphical crawler, with a few of the simplest examples to take you to the introduction of Python crawler
  13. python+requests基础知识
  14. Basic knowledge of Python + requests
  15. python自定义windowsr日志支持文件分割
  16. python+requests基础知识
  17. Python custom Windowsr log supports file segmentation
  18. Basic knowledge of Python + requests
  19. 高级测试 | Python笔试题
  20. 火了!开源的 Python 抢票神器,过年回家就看这一波了!
  21. Python 爬虫进阶 - 前后端分离有什么了不起,过程超详细!
  22. 【python】使用pip提示ModuleNotFoundError
  23. 【python】虚拟环境搭建
  24. Advanced test | Python written test questions
  25. Fire! Open source Python ticket grabbing artifact, come home to see this wave of New Year!
  26. Python crawler advanced - before and after the end of the separation of what great, super detailed process!
  27. [Python] prompt modulenotfounderror with PIP
  28. Building a virtual environment
  29. Serverless 架构下用 Python 轻松搞定图像分类和预测
  30. Easy image classification and prediction with Python under serverless architecture
  31. python协程爬取某网站的老赖数据
  32. Python coroutine crawls Laolai data of a website
  33. 使用Python分析姿态估计数据集COCO的教程
  34. Using Python to analyze the data set coco of attitude estimation
  35. win环境 python3 flask 上手整理 环境搭建(一)
  36. Getting started with win environment python3 flash
  37. Python实现一个论文下载器,赶紧收藏
  38. win环境 python3 flask 上手整理 快速上手-基础操作(二)
  39. Python 中常见的配置文件写法
  40. Python to achieve a paper Downloader, quickly collect
  41. Python批量 png转ico
  42. 使用line_profiler对python代码性能进行评估优化
  43. 使用line_profiler对python代码性能进行评估优化
  44. Getting started with Python 3 flash in win environment
  45. Common ways to write configuration files in Python
  46. Python会在2021年死去吗? Python 3.9最终版本的回顾
  47. Python batch PNG to ICO
  48. Using line_ Profiler evaluates and optimizes the performance of Python code
  49. Using line_ Profiler evaluates and optimizes the performance of Python code
  50. Will Python die in 2021? A review of the final version of Python 3.9
  51. Python3 SMTP send mail
  52. Understanding closures in Python: getting started with closures
  53. Python日志实践
  54. Python logging practice
  55. [python opencv 计算机视觉零基础到实战] 十、图片效果毛玻璃
  56. [python opencv 计算机视觉零基础到实战] 九、模糊
  57. 10. Picture effect ground glass
  58. [Python opencv computer vision zero basis to actual combat] 9. Fuzzy
  59. 使用line_profiler對python程式碼效能進行評估優化
  60. Using line_ Profiler to evaluate and optimize the performance of Python code