基于Python的OpenCV轮廓检测聚类-技术圈

点击上方“小白学视觉”，选择加"星标"或“置顶”

重磅干货，第一时间送达

简介

OpenCV的“findContours”功能经常被计算机视觉工程师用来检测物体。OpenCV的存在，使得我们只需要编写几行代码就可以检测轮廓（对象）。然而，OpenCV检测到的轮廓通常是分散的。例如，一个功能丰富的图像可能有数百到数千个轮廓，但这并不意味着图像中有那么多对象。一些属于同一对象的轮廓是单独检测的，因此我们感兴趣的是对它们进行分组，使一个轮廓对应一个对象。

实现思路

当我在项目中遇到这个问题时，我花了很多时间尝试使用不同的参数或不同的OpenCV函数来检测轮廓，但没有一个有效。然后，我做了更多的研究，在OpenCV的论坛上找到了一篇帖子，它提到了凝聚聚类。但是，没有给出源代码。我还发现sklearn支持聚合聚类，但我没有使用它，原因有两个：

这个功能对我来说似乎很复杂。我不知道如何输入正确的参数，我怀疑轮廓检测的数据类型是否适合该函数。
我需要使用python 2.7、OpenCV 3.3.1和Numpy 1.11.3。它们与sklearn的版本（0.20+）不兼容，后者支持聚类。

源代码

为了分享我编写的函数，我在Github中对其进行了开源，并将其作为要点发布在下面。以下版本适用于Python3，若需要要在Python2.7中使用它，只需将“range”更改为“xrange”。

#!/usr/bin/env python3
import osimport cv2import numpy
def calculate_contour_distance(contour1, contour2):     x1, y1, w1, h1 = cv2.boundingRect(contour1)    c_x1 = x1 + w1/2    c_y1 = y1 + h1/2
    x2, y2, w2, h2 = cv2.boundingRect(contour2)    c_x2 = x2 + w2/2    c_y2 = y2 + h2/2
    return max(abs(c_x1 - c_x2) - (w1 + w2)/2, abs(c_y1 - c_y2) - (h1 + h2)/2)
def merge_contours(contour1, contour2):    return numpy.concatenate((contour1, contour2), axis=0)
def agglomerative_cluster(contours, threshold_distance=40.0):    current_contours = contours    while len(current_contours) > 1:        min_distance = None        min_coordinate = None
        for x in range(len(current_contours)-1):            for y in range(x+1, len(current_contours)):                distance = calculate_contour_distance(current_contours[x], current_contours[y])                if min_distance is None:                    min_distance = distance                    min_coordinate = (x, y)                elif distance < min_distance:                    min_distance = distance                    min_coordinate = (x, y)
        if min_distance < threshold_distance:            index1, index2 = min_coordinate            current_contours[index1] = merge_contours(current_contours[index1], current_contours[index2])            del current_contours[index2]        else:             break
    return current_contours

注意：

“calculate_contour_distance”函数获取轮廓的边界框，并计算两个矩形之间的距离。
“merge_contours”函数，我们只需使用'numpy.concatenate'即可，因为每个轮廓只是一个点的numpy数组。
使用聚类算法，我们不需要事先知道有多少个聚类。相反，可以向函数提供阈值距离，例如40个像素，因此如果所有轮廓中最近的距离大于阈值，则函数将停止处理。

结果

要可视化集群效果，请参见下面的两幅图像。第一幅图像显示最初检测到12个轮廓，聚类后只剩下4个轮廓，如第二幅图像所示。这两个小对象是由于噪声造成的，它们没有合并，因为与阈值距离相比，它们离太远。

GITHUB代码链接：

https://github.com/CullenSUN/fish_vision/blob/master/obstacle_detector_node/src/opencv_utils.py

下载1：OpenCV-Contrib扩展模块中文版教程

在「小白学视觉」公众号后台回复：扩展模块中文教程，即可下载全网第一份OpenCV扩展模块教程中文版，涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。

下载2：Python视觉实战项目52讲

在「小白学视觉」公众号后台回复：Python视觉实战项目，即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目，助力快速学校计算机视觉。

下载3：OpenCV实战项目20讲

在「小白学视觉」公众号后台回复：OpenCV实战项目20讲，即可下载含有20个基于OpenCV实现20个实战项目，实现OpenCV学习进阶。

交流群

欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~