OpenCVで楕円形のオブジェクトを認識したい。

OpenCVを使い、画像から白色の楕円型オブジェクトを切り抜くプログラムを考えています。

楕円オブジェクトの検出はほかのプログラムで行い、ここでは楕円オブジェクトの輪郭の切り抜きだけを行います。
HSVで画像を読み込んだ後、処理を重ねて大まかな輪郭を取得することはできましたが、光の反射等の映り込みにより、きれいな形を切り抜くことができません。

写真1枚目が加工なしの輪郭。
2枚目がapproxPolyDPをかけたあとの輪郭。
3枚目の赤い部分が不要な箇所です。

写真からわかるように本体から突出した部分だけ削除する方法を考えています。
何かアドバイスを頂けないでしょうか。
よろしくお願いいたします。

Python
1import cv2
2import numpy as np
3
4img= cv2.imread("image.jpg")
5img = cv2.cvtColor(img,cv2.COLOR_BGR2HSV)
6
7#検出範囲(HSV)
8white_min = (22,0,178)
9white_max = (210,51,255)
10
11img = cv2.inRange(img, white_min, white_max)
12
13#HSV範囲内で最大の輪郭を取得
14contours = cv2.findContours(
15    img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[0]
16
17max_cnt = max(contours, key=lambda x: cv2.contourArea(x))
18
19#表面の凹凸を減らす
20max_cnt = cv2.approxPolyDP(max_cnt, epsilon=0.001 *cv2.arcLength(max_cnt, True), closed=True)
21
22out = np.zeros_like(img)
23cv2.drawContours(out,[max_cnt], -1, color=255, thickness=-1)

退会済みユーザー

2022/12/02 10:55

自身がないのでこちらで。方法1.巨大なカーネルを使ってOpening処理 http://labs.eecs.tottori-u.ac.jp/sd/Member/oyamada/OpenCV/html/py_tutorials/py_imgproc/py_morphological_ops/py_morphological_ops.html#opening 方法2.巨大なガウシアンカーネルを使ってぼかし、閾値処理で白い場所をくくりだす http://labs.eecs.tottori-u.ac.jp/sd/Member/oyamada/OpenCV/html/py_tutorials/py_imgproc/py_filtering/py_filtering.html#id5 ぼけきっていない値の高い場所（たとえば200以上）などを選定すればそれっぽく括りだせるかも？

fana

2022/12/02 11:18

> 方法2.巨大なガウシアンカーネルを使ってぼかし、閾値処理で白い場所をくくりだす私の過去の質問↓でやってるような感じですかね． https://teratail.com/questions/204418

tajama3

2022/12/02 13:11

お返事ありがとうございます。 opening処理を行ったところ、かなり角が取れて理想に近い形になりました。必要な部分も削れてしまいましたが、あとは値の調整で上手く仕上げようと思います。ありがとうございました。

jbpb0

2022/12/26 10:16

> opening処理を行ったところ、かなり角が取れて理想に近い形になりました。解決したのなら、「解決済」にしてください

行動規範の内容に同意します

回答3件

fourteenlength 氏の既存回答の「やせた身」を得る処理を OpenCV に存在する関数でやるとしたら，
distanceTransform() の結果に適当な閾値を適用する感じかな．

C++
1int main()
2{
3	cv::Mat Img = cv::imread( "imo.png", cv::IMREAD_GRAYSCALE );
4	if( Img.empty() )return 0;
5	cv::threshold( Img, Img, 128, 255, cv::THRESH_BINARY );  //※念のため
6
7	cv::Mat Mask;
8	{//「やせた身」を作る
9		cv::Mat Dist;
10		cv::distanceTransform( Img, Dist, cv::DIST_L2, cv::DIST_MASK_PRECISE, CV_32F );
11	
12		cv::Mat Th;
13		cv::threshold( Dist, Th, 10, 255, cv::THRESH_BINARY );
14		Th.convertTo( Mask, CV_8U );
15	}
16
17	//てきとーに太らせて使う
18	cv::dilate( Mask, Mask, cv::Mat(), cv::Point(-1,-1), 9 );
19	cv::bitwise_and( Img, Mask, Mask );
20	Img.setTo( 128, Mask );
21
22	cv::imshow( "Img", Img );
23	cv::waitKey();
24	return 0;
25}

結果：

投稿2022/12/05 03:55

fana

総合スコア12151

fana

2022/12/06 02:14

処理の意味的には，身を太らせる dilate での構造要素は円形な感じたるべきかな，とか思ったりするけど，そこらへんはまぁいいようにやっていただくということで．

行動規範の内容に同意します

別の方法も思い出したので参考までに。

成果物

スケルトン

Scikit-imageという、顕微鏡で観察した結果などをイイ感じに加工するライブラリがあります。そこにスケルトンというのがあり、二値化画像の「骨」を抽出できます。

スケルトンの身を探る

が、スケルトンだと本当に骨しか出てこず、ほしいものとちょっと違います。本当は「身」がほしいので、ここから身を取り出す関数を使います。具体的には、thin()という関数です。
※thinは先のスケルトンと同じチュートリアルのURLで紹介されていますのでURLは省略します。

余分な骨を消す

ここで、thinで身を取り出せましたが、残った骨が邪魔になりました。残った骨はOpenCVのモルフォロジーのopen()で片づけます。

加工後	生画像

※元画像と比べると分かりやすいですが、このままではやせすぎています。

やせ過ぎた分太らせる

先のOpenCVの別の関数、モルフォロジーのdilate()で片づけます。

太らせた後	やせたまま	生画像

という感じです。

「どれだけ元画像からゴミを取り除いた/取り除きすぎたんだ？」という疑問をお持ちの方は、一番上の画像を参照ください。まぁこれが妥協点だろう、と思っていただけるのではないでしょうか？

課題

枝葉のように生えた部分の大きさやskeletonのiterによっては、枝葉の部分と本体とに分割されます。こういったときには、以下のような感じで処理すると良いと思います。

iterを機械学習でいうハイパーパラメータとして割り切って適当にやり過ごす
それでも何とかなるようにblob検出をして一番大きい本体だけに注目する

import sys
import os
import numpy as np
import cv2
from skimage.morphology import skeletonize, thin

# グレースケールとして読み込み
img_path = os.path.split(os.path.abspath(__file__))[0] + "/img.png"
img_raw = cv2.imread(img_path,0)
cv2.imshow("img_raw",img_raw)

# skimage用に二値化
_,img = cv2.threshold(img_raw ,127,255,cv2.THRESH_BINARY)
img[0 < img] = 1

# # スケルトン
# # https://scikit-image.org/docs/stable/auto_examples/edges/plot_skeleton.html
# img_skeleton= skeletonize(img).astype(np.uint8)
# img_skeleton[0<img_skeleton] = 255
# cv2.imshow("img_skeleton",img_skeleton)
# cv2.imwrite("img_skeleton.png",img_skeleton)


# スケルトン(塗りつぶし）
iter = 5
# img_thin =  thin(img, max_num_iter=iter).astype(np.uint8) # <--チュートリアルに沿った表記
img_thin =  thin(img, max_iter=iter).astype(np.uint8) # <--手元のskimageはこれでないと動かない
img_thin[0<img_thin] = 255
cv2.imshow("img_thin",img_thin ) 
# cv2.imwrite("img_thin.png",img_thin)


# スケルトン（塗りつぶし）にモルフォロジー（オープニング）
kernel = np.ones((3,3),np.uint8) #可能な限り小さいカーネルでスケルトンの余分なところを潰す
img_thin_opened = cv2.morphologyEx(img_thin, cv2.MORPH_OPEN, kernel)
cv2.imshow("img_thin_opened",img_thin_opened)
# cv2.imwrite("img_thin_opened.png",img_thin_opened)


# やせた分太らせる
img_thin_opened_dil = cv2.dilate(img_thin_opened ,kernel,iterations = 4)
# cv2.imwrite("img_thin_opened_dil.png",img_thin_opened_dil)

# 差分を出す
img_diff = img_raw.copy()
img_diff[img_thin_opened_dil ==255] = 128
cv2.imshow("img_diff",img_diff) 
# cv2.imwrite("img_diff.png",img_diff)

cv2.waitKey(0)

投稿2022/12/03 01:18

編集2022/12/03 01:22

退会済みユーザー

総合スコア0

残るべき対象形状がある程度「楕円」と呼べる形じゃないと機能しないと思いますが，

領域の輪郭データにとりあえず楕円当てはめを行ってしまえばどうでしょうか．
ただし， OpenCVの fitEllipse() 系の関数を使うのではなくて，RANSAC みたいなロバスト推定な処理を用いる．
そうすれば，突起物に引っ張られずに芋っぽい部分に対する当てはめになるかな，と．
↓
で，その結果の楕円から外側に出ている部分を除去する感じの方向で．
※本当に楕円の輪郭でばっさり切ってしまうのではなく，ある程度の距離までは許容するとか，そこらへんの検討/調整は要るかもですが，それで明らかに突起物な箇所を捨てられるのではないかな，と．
（モルフォロジとかぼかしみたいなのは，これ以降の後段処理として用いれば，でかいカーネルサイズを用いずに済むんじゃないかな）

投稿2022/12/02 11:31

編集2022/12/02 11:32

fana

総合スコア12151