处理图像以找到外部轮廓

Question

我有几百张PNG格式的图片，需要生成对应的黑白图像，显示出物体的外轮廓。这些源PNG图片有透明通道，所以图片中“没有物体”的部分是完全透明的。

比较棘手的是，如果物体内部有孔洞，这些孔洞在轮廓中是不能显示出来的。比如，如果源图像是一个甜甜圈，那么对应的轮廓图像应该是一个锯齿状的圆形线条，而中间不会有更小的圆形线条。

这里有一张示例图片，源图和它的轮廓：

有没有什么库或者命令行工具可以做到这一点？理想情况下，希望能在Python中使用。

Answer 1

我找到了一款非常实用的REST API，用于轮廓追踪，比用其他程序简单多了。我在一个Ruby项目中使用了这个API，现在也用CURL来调用，效果很好！

http://tracecontour.com/

这个网站上有演示和API文档。

我用你们的甜甜圈图片作为测试的源图。唯一的问题是你们的图片没有透明的背景颜色。所以我用Gimp制作了一个有透明背景的版本，原来黑色的地方变成了透明。这样，当你调用API并设置matching_not_color=0时，就可以参考任何不是透明颜色的图像部分。

带有透明背景颜色的甜甜圈图片

现在我多次使用这个API进行测试。你可以看到，可以获取到JSON数据（轮廓的多边形线）或者一张带有绘制轮廓的示例图。我用CURL调用API，命令如下：

curl -v   -H "Accept: application/json" -X POST -F "png_image=@rRBal.png" -F "match_not_color=0" -F
"options[compress][linear]=true" -F
"options[compress][visvalingam]=true" -o output.png
http://tracecontour.com/outlines_image

我使用了match_not_color=0。这样我就要求考虑任何不是透明背景颜色的像素。结果我得到了这张PNG图片（根据curl命令的说明，文件名是output.png）。

返回的API示例PNG图片

你可以看到，这里匹配的区域是蓝色的。每条外部多边形线是红色的，每条内部多边形线是绿色的。我尝试了visvalingam选项，得到了一个不那么精确的轮廓，但你可以请求最精确的结果。

如果你这样调用，就会得到包含坐标（x,y）的JSON数据。

curl -v   -H "Accept: application/json" -X POST -F
"png_image=@rRBal.png" -F "match_not_color=0" -F
"options[compress][linear]=true" -F
"options[compress][visvalingam]=true" http://tracecontour.com/outlines
&> /dev/stdout

这里是你能得到的最精确的结果。命令如下（没有使用visvalingam选项）：

curl -v   -H "Accept: application/json" -X POST -F
"png_image=@rRBal.png" -F "match_not_color=0" -F
"options[compress][linear]=true" -o output.png
http://tracecontour.com/outlines_image

结果在这里，非常精确，而且获取速度很快。

返回的API最精确轮廓

这个API非常有用！

Answer 2

OpenCV有一个叫做 findContours 的功能，正好可以满足你的需求。你需要把轮廓提取模式设置为 CV_RETR_EXTERNAL。要加载你的图片，可以使用 imread 这个功能。

Answer 3

我推荐使用ImageMagick，这个工具可以在这里免费下载。它在很多Linux系统中都自带。它还支持Python、Perl、PHP和C/C++等多种编程语言。

我下面是通过命令行来使用它的。

convert donut.png -channel A -morphology EdgeOut Diamond +channel  -fx 'a' -negate output.jpg

简单来说，-channel A这个命令是用来选择透明度（alpha通道），然后通过形态学处理来提取不透明区域的轮廓。接着，+channel告诉ImageMagick我现在要重新处理所有的通道。-fx是一个自定义函数（操作符），我在这里设置输出图像的每个像素值为a，也就是修改后的alpha通道中的透明度值。

编辑过的内容

接下来这个方法可能比上面的fx操作符更快：

convert donut.png -channel RGBA -separate -delete 0-2 -morphology EdgeOut Diamond -negate output.png

结果：

如果你有几百张（甚至上千张）图片需要处理，我建议你使用GNU Parallel，这个工具可以在这里找到。它可以利用你所有的CPU核心来快速完成任务。你的命令大概会是这样的——但请先备份文件，并在你熟悉之前在副本上操作！

parallel convert {} -channel A -morphology EdgeOut Diamond +channel -fx 'a' -negate {.}.jpg ::: *.png

这个命令的意思是使用:::后面的所有内容作为要处理的文件。然后，它会并行处理，利用所有可用的核心，把每个PNG文件转换成对应的JPEG文件，并改名为输出文件名。

Answer 4

我同意amgaera的看法。如果你想找出轮廓，Python中的OpenCV是一个非常好的工具。就像他/她的帖子中提到的，使用findContours方法，并使用RETR_EXTERNAL标志来获取形状的最外轮廓。这里有一些可以复现的代码来说明这一点。你首先需要安装OpenCV和NumPy才能开始。

我不确定你使用的是哪个平台，但：

• 如果你使用的是Linux，只需在终端输入apt-get安装libopencv-dev和python-numpy（即sudo apt-get install libopencv-dev python-numpy）。
• 如果你使用的是Mac OS，先安装Homebrew，然后通过brew install opencv和brew install numpy来安装。
• 如果你使用的是Windows，最好的方法是通过Christoph Gohlke的非官方Python包来安装：http://www.lfd.uci.edu/~gohlke/pythonlibs/ - 检查OpenCV包并安装它要求的所有依赖项，包括NumPy，你可以在这个页面找到。

无论如何，我拿了你的甜甜圈图片，并提取了只有甜甜圈的部分。换句话说，我创建了这个图片：

至于你的图片是PNG格式并且有透明通道，这其实没关系。只要这张图片里只有一个物体，我们实际上根本不需要访问透明通道。一旦你下载了这张图片，保存为donut.png，然后运行这段代码：

import cv2 # Import OpenCV
import numpy as np # Import NumPy

# Read in the image as grayscale - Note the 0 flag
im = cv2.imread('donut.png', 0)

# Run findContours - Note the RETR_EXTERNAL flag
# Also, we want to find the best contour possible with CHAIN_APPROX_NONE
contours, hierarchy = cv2.findContours(im.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)

# Create an output of all zeroes that has the same shape as the input
# image
out = np.zeros_like(im)

# On this output, draw all of the contours that we have detected
# in white, and set the thickness to be 3 pixels
cv2.drawContours(out, contours, -1, 255, 3)

# Spawn new windows that shows us the donut
# (in grayscale) and the detected contour
cv2.imshow('Donut', im) 
cv2.imshow('Output Contour', out)

# Wait indefinitely until you push a key.  Once you do, close the windows
cv2.waitKey(0)
cv2.destroyAllWindows()

---

让我们慢慢看这段代码。首先我们导入OpenCV和NumPy包。我把NumPy导入为np，如果你到处查找numpy的文档和教程，都会这样做，以减少输入。OpenCV和NumPy是可以一起工作的，这就是为什么你需要安装这两个包。接着我们使用imread读取图片。我把标志设置为0，这样可以把图片转换为灰度图，简单明了。一旦加载了图片，我就运行findContours，这个函数的输出是一个包含两个部分的元组：

• contours - 这是一个数组结构，给出了你图片中每个检测到的轮廓的(x,y)坐标。
• hierarchy - 这包含了你检测到的轮廓的额外信息，比如拓扑结构，但为了本帖我们可以跳过这部分。

请注意，我指定了RETR_EXTERNAL来检测物体的最外轮廓。我还指定了CHAIN_APPROX_NONE标志，以确保我们得到完整的轮廓，而不是近似值。一旦检测到轮廓，我们创建一张完全黑色的新输出图片。这张图片将包含我们检测到的甜甜圈的外轮廓。一旦创建了这张图片，我们就运行drawContours方法。你需要指定要显示轮廓的图片、之前创建的轮廓结构，以及-1标志表示要绘制图片中的所有轮廓。如果一切顺利，你应该只会检测到一个轮廓。然后你可以指定轮廓的颜色。在我们的例子中，我们希望它是白色的。接着，你还要指定轮廓的线条粗细。我选择了3个像素的粗细。

最后，我们要做的就是展示结果。我调用imshow来显示原始的甜甜圈图片（灰度图）和输出的轮廓图。imshow并不是故事的结束。你不会看到任何输出，直到你调用cv2.waitKey(0)。这意味着你可以无限期地显示这些图片，直到你按下一个键。一旦你按下一个键，cv2.destroyAllWindows()会关闭所有打开的窗口。

这是我得到的结果（当你把窗口调整到并排显示时）：

---

作为额外的奖励，如果你想保存这张图片，只需运行imwrite来保存图片。你需要指定你想保存的图片名称，以及你正在访问的变量。因此，你可以这样做：

cv2.imwrite('contour.png', out)

这样你就会把这张轮廓图片保存为contour.png。

---

这应该足够让你入门了。

祝你好运！