Python，图像处理，轮廓分割

Question

对于以上二值图中两根交叉分布的纤维轮廓，利用Python实现对这两个交叉纤维的轮廓分离，即对两根十字交叉纤维，实现分离，分离出两个不再交叉的单根纤维图像。

Answer 1

引自免费微信小程序：皆我百晓生

为了实现对交叉纤维的轮廓分离，我们可以使用OpenCV库中的findContours()函数找到所有的轮廓，并通过分析轮廓之间的关系来进行分离。这里是一个详细的步骤和相应的Python代码：

首先，确保已经安装了OpenCV库：

pip install opencv-python

接下来是实现轮廓分离的代码：

import cv2
import numpy as np

# 读取图像
image = cv2.imread('cross_fibers.png', cv2.IMREAD_GRAYSCALE)
# 将图像转换为二值图（黑白）
_, threshold_image = cv2.threshold(image, 127, 255, cv2.THRESH_BINARY)

# 寻找轮廓
contours, hierarchy = cv2.findContours(threshold_image, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 定义一个辅助函数，用于比较两个轮廓是否相交
def contours_cross(a, b):
    return cv2.boundingRect(cv2.convexHull(np.concatenate((a, b), axis=0))) != (0, 0, 0, 0)

# 初始化结果列表，用于存放分离后的轮廓
separated_contours = []

# 遍历所有轮廓，检查它们是否相交，如果不相交，则添加到结果列表
for i in range(len(contours)):
    for j in range(i + 1, len(contours)):
        if not contours_cross(contours[i], contours[j]):
            separated_contours.append(contours[i])
            separated_contours.append(contours[j])

# 创建一个新的图像来保存分离后的轮廓
separated_image = np.zeros_like(image)

# 绘制分离后的轮廓到新图像上
cv2.drawContours(separated_image, separated_contours, -1, 255, 1)

# 显示原始图像和分离后的图像
cv2.imshow("Original Image", image)
cv2.imshow("Separated Fibers", separated_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

这段代码首先读取图像并将其转换为二值图。然后，它找到图像中的所有轮廓，并定义了一个辅助函数来判断两个轮廓是否相交。在主循环中，我们遍历所有的轮廓并对每一对进行检查。如果发现它们不相交，就把它们都添加到分离后的轮廓列表中。最后，我们在新的图像上绘制这些分离后的轮廓，并显示原始图像和分离后的图像。

注意：这个方法基于轮廓之间的相对位置来判断是否相交，对于复杂的交叉情况可能不够精确。对于更复杂的情况，可能需要更高级的算法，例如基于深度学习的方法。