如何在Python中使用OpenCV获取图像分块的边界顶点？

图像分割后，精准定位每个区块的边界点对于后续图像分析至关重要。本文将介绍一种使用Python和OpenCV高效实现此功能的方法。假设您已完成图像分割，并将每个区块用唯一数值标记（例如，从1开始递增）。

首先，我们需要明确“边界点”的定义：边界点是区块与相邻区块接触的边缘点。 假设图像被分割成一个h×w的网格。

以下步骤演示如何使用OpenCV查找这些边界点：

1. 图像读取与预处理: 首先，读取图像并将其转换为灰度图像。

   立即学习“Python免费学习笔记（深入）”；

   

   Autoppt

   Autoppt：打造高效与精美PPT的AI工具

   下载

   import cv2
   import numpy as np
   
   # 读取图像
   img = cv2.imread('image.jpg', cv2.IMREAD_GRAYSCALE)

2. 图像分割 (假设已完成): 假设您已有一个标记了每个区块的图像 segmented_img，其中每个像素的值代表其所属的区块编号。 以下是一个示例：

   # 示例：假设已完成图像分割
   segmented_img = np.random.randint(1, 4, size=img.shape)  # 替换为您的实际分割结果

3. 边界点检测: 通过遍历每个像素及其邻域，判断是否为边界点。

   def find_boundary_points(segmented_img):
       height, width = segmented_img.shape
       boundary_points = {}
   
       for i in range(height):
           for j in range(width):
               current_label = segmented_img[i, j]
               if current_label not in boundary_points:
                   boundary_points[current_label] = []
   
               for di, dj in [(-1, 0), (1, 0), (0, -1), (0, 1)]:  # 检查上下左右
                   ni, nj = i + di, j + dj
                   if 0 <= ni < height and 0 <= nj < width and segmented_img[ni, nj] != current_label:
                       boundary_points[current_label].append((j, i)) # 注意：OpenCV坐标系是(x,y)
                       break # 找到一个不同的邻域点即可标记为边界点
   
       return boundary_points

4. 结果可视化: 将边界点标记在原始图像上。

   boundary_points = find_boundary_points(segmented_img)
   result_img = cv2.cvtColor(img, cv2.COLOR_GRAY2BGR)
   
   for label, points in boundary_points.items():
       color = (np.random.randint(0, 256), np.random.randint(0, 256), np.random.randint(0, 256))
       for point in points:
           cv2.circle(result_img, point, 2, color, -1)
   
   cv2.imshow('Boundary Points', result_img)
   cv2.waitKey(0)
   cv2.destroyAllWindows()

这段代码提供了一种清晰、高效的方法来识别图像分块的边界点。 请记住将示例 segmented_img 替换为您实际的图像分割结果。 该方法易于理解和修改，适用于各种图像处理任务。