Posizione quota minima contorno OpenCV in python

Question

Sto utilizzando la sottrazione dello sfondo per analizzare gli oggetti in movimento di una scena esterna. Quando esce il sole ho un problema con le ombre. Sto usando i contorni per isolare gli oggetti. Al momento analizzo semplicemente la metà superiore del contorno mentre l'ombra si trova normalmente nella metà inferiore.

Immaginate un contorno di un'anatra di gomma, quello che mi piacerebbe fare è trovare la posizione del collo dell'anatra, cioè il punto in cui il contorno si trova nella sua minima dimensione orizzontale. Qualcuno potrebbe indicarmi la giusta direzione su come trovare il "collo dell'anatra"?

Nel codice, binary è un'immagine soglia degli oggetti in movimento, e HIGHTWIDTH sono l'altezza e la larghezza dell'immagine, lab è la stessa immagine nello spazio colore LAB.

Desidero sostituire la linea half = int(h/2) con una funzione per trovare la posizione y di una linea orizzontale per tagliare il "collo ducks".

_,contours,_ = cv2.findContours(binary.copy(), cv2.RETR_EXTERNAL, 
          cv2.CHAIN_APPROX_SIMPLE) 

# loop over the contours 
for i, cnt in enumerate(contours): 

    # compute the bounding box for the contour 
    (x, y, w, h) = cv2.boundingRect(cnt) 

    # reject contours outside size range 
    if w > 250 or w < 30 or h > 250 or h < 30 : 
      continue 

    # make sure the box is inside the frame 
    if x <= 0 or y <= 0 or x+w >= (WIDTH -1) or y+h >= (HIGHT -1): 
      continue 

    # isolate feature 
    half = int(h/2) 
    roi = lab[y:y+half, x:x+w] 
    mask = binary[y:y+half, x:x+w] 

    # calculate the mean of the colour 
    mean = cv2.mean(roi, mask = mask) 
    # note: mean is L a b 
    L = int(mean[0]) 
    a = int(mean[1]) 
    b = int(mean[2]) 
    print L,a,b 

Sto usando OpenCV 3 e pitone 2.7

P.S. Ho provato lo sottrattore di sfondo MOG2 che si dice identifichi le ombre ma è un modo rumoroso per il mio uso e non praticabile.

Answer 1

È possibile definire una maschera per erodere l'immagine, in modo da poter rompere i blob in alto e in basso dalla valle. Puoi applicarlo al tuo codice come segue:

# loop over the contours 
for i, cnt in enumerate(contours): 

    # compute the bounding box for the contour 
    (x, y, w, h) = cv2.boundingRect(cnt) 

    # reject contours outside size range 
    if w > 250 or w < 30 or h > 250 or h < 30 : 
      continue 

    # make sure the box is inside the frame 
    if x <= 0 or y <= 0 or x+w >= (WIDTH -1) or y+h >= (HIGHT -1): 
      continue 

    # --------------- 
    # create a mask for erosion, you can play with the mask size/shape 
    mask = cv2.getStructuringElement(cv2.MORPH_RECT,(5,5)) 
    # erode the original image 
    eroded_img = cv2.erode(binary,mask,iterations = 1) 
    cv2.imshow("Eroded image",eroded_img) 
    # find the middle of the two new contours 
    _,new_contours,_ = cv2.findContours(eroded_img, cv2.RETR_EXTERNAL, 
         cv2.CHAIN_APPROX_SIMPLE) 
    (_, y_t, _, h_t) = cv2.boundingRect(new_contours[0]) 
    (_, y_b, _, h_b) = cv2.boundingRect(new_contours[1]) 
    bottom_top_y = max(y_t, y_b) # highest y of bottom part 
    top_bottom_y = min(y_t+h_t, y_b+h_b) # lowest y of top part 
    half = top_bottom_y + (bottom_top_y - top_bottom_y)/2 
    # ------------ 

    # isolate feature 
    roi = lab[y:y+half, x:x+w] 
    mask = binary[y:y+half, x:x+w] 

    # calculate the mean of the colour 
    mean = cv2.mean(roi, mask = mask) 
    # note: mean is L a b 
    L = int(mean[0]) 
    a = int(mean[1]) 
    b = int(mean[2]) 
    print L,a,b 

Spero che sia d'aiuto! Per ulteriori esempi sulle operazioni morfologiche su immagini binarie, è possibile controllare here.