作者：努比

來源：小白學(xué)視覺

今天我們將一起探究如何使用OpenCV和Python從圖像中提取感興趣區(qū)域（ROI）。

在之間的文章中，我們完成了圖像邊緣提取，例如從臺(tái)球桌中提取桌邊。使用了簡(jiǎn)單的OpenCV函數(shù)即可完成這項(xiàng)任務(wù)，例如inRange、findContours、boundingRect、minAreaRect、 minEnclosingCircle、circle、HoughLines、line等，都可以。

今天我們的任務(wù)是從包含患者大腦活動(dòng)快照的圖像中提取所需的片段。之后可以將該提取的過程應(yīng)用于其他程序中，例如診斷健康與否的機(jī)器學(xué)習(xí)模型。

因此，讓我們從查看輸入圖像開始。這是由神經(jīng)科學(xué)領(lǐng)域的醫(yī)療儀器生成的典型報(bào)告，該儀器使用傳感器檢測(cè)來自患者大腦的信號(hào)并將其顯示為彩色地圖。通常，有四張圖片，所有圖片都描繪了某個(gè)特征并一起分析以進(jìn)行診斷。

本練習(xí)的目標(biāo)圖像包含四個(gè)大腦圖

從上面的圖像中，我們只想提取與四個(gè)地圖（頭部掃描）相對(duì)應(yīng)的區(qū)域，而將其他所有內(nèi)容都排除在外。因此，讓我們開始吧。

第一步是檢測(cè)我們要提取的片段的邊緣。這是一個(gè)多步驟過程，如下所述：

1. 使用“ cvtColor（）”將RGB圖像轉(zhuǎn)換為灰度

2. 通過應(yīng)用模糊函數(shù)“ GaussianBlur（）”來消除灰度圖像中的噪聲

3. 最后將“ Canny（）”函數(shù)應(yīng)用于模糊圖像以獲得邊緣

邊緣檢測(cè)過程的輸出如下所示：

使用Canny算法的邊緣檢測(cè)輸出

請(qǐng)注意，盡管已識(shí)別出腦圖片段，但仍有許多不需要的邊緣需要消除，并且某些邊緣之間有間隙需要封閉。

解決這個(gè)問題的一種常用方法是形態(tài)轉(zhuǎn)換，它涉及在圖像上使用一系列的擴(kuò)張和腐蝕來去除不需要的邊緣和閉合間隙。

我們?cè)诙啻蔚惺褂?a href='/map/opencv/' style='color:#000;font-size:inherit;'>OpenCV函數(shù)“ dilate（）”和“ erode（）”來獲得如下輸出。

使用OpenCV對(duì)邊緣進(jìn)行了一些增強(qiáng)

如我們看到的那樣，邊緣現(xiàn)在已經(jīng)完成并且比以前光滑得多。

現(xiàn)在，我們可以使用OpenCV函數(shù)“ findContours（）”提取該圖像中的輪廓，并僅選擇具有以下屬性的輪廓：

1. 幾何形狀是圓形或橢圓形

2. 面積大于某個(gè)閾值（在此示例中，值7000可以正常工作）。

對(duì)于第一部分，我們將使用OpenCV的“ boundingRect（）”檢測(cè)每個(gè)輪廓的邊界矩形，并檢查縱橫比（高寬比）是否接近1。

現(xiàn)在我們的任務(wù)已經(jīng)完成，但還需要進(jìn)行一些微調(diào)。

通常情況是在一個(gè)片段上檢測(cè)到多個(gè)重疊的輪廓，而我們只對(duì)一個(gè)感興趣。

使用非極大抑制可以解決此問題，即我們查看所有重疊的輪廓，然后選擇面積最大的輪廓作為最終候選輪廓。邏輯非常簡(jiǎn)單，因此我們不需要任何內(nèi)置的OpenCV或Python函數(shù)。

另一個(gè)重要的邏輯是分別識(shí)別四個(gè)部分，即左上，右上，左下和右下。

這也非常簡(jiǎn)單，涉及識(shí)別圖像中心坐標(biāo)以及每個(gè)檢測(cè)到的片段的質(zhì)心。對(duì)段輪廓進(jìn)行質(zhì)心檢測(cè)需要在輪廓上應(yīng)用OpenCV “ moments（）”函數(shù)，然后使用以下公式計(jì)算中心 X，Y坐標(biāo)：
center_x，center_y =（int（M [“ m10”] / M [” m00”]），int（M [“ m01”] / M [“ m00”]））

將線段質(zhì)心坐標(biāo)與圖像中心坐標(biāo)進(jìn)行比較，可以將四個(gè)線段分別放置在各自的位置。

現(xiàn)在我們已經(jīng)確定了四個(gè)部分，我們需要構(gòu)建圖像蒙版，這將使我們能夠從原始圖像中提取所需的特征。

我們將使用OpenCV函數(shù)“ drawContours（）”，將顏色用作白色（R，G，B = 255,2555,255），將厚度用作FILLED（-1）在黑色背景上繪制所有四個(gè)線段輪廓。結(jié)果如下所示：

用于提取我們的ROI的蒙版

在原始圖像上應(yīng)用此蒙版可以在我們選擇的背景（例如黑色或白色）上為我們提供所需的分段。

對(duì)于黑色背景，我們創(chuàng)建一個(gè)黑色畫布，然后使用OpenCV函數(shù)“ bitwise_and（）”以及先前獲得的蒙版在其上進(jìn)行繪制。

在黑色背景上提取的ROI

對(duì)于白色背景，我們首先創(chuàng)建一個(gè)白色畫布，然后通過使用OpenCV函數(shù)“ drawContours（）”繪制輪廓為黑色（R，G，B = 0,0,0）且厚度為FILLED的輪廓，如下所示創(chuàng)建顏色反轉(zhuǎn)的蒙版（-1）。

用于ROI提取的備用倒置掩模（圖像源作者）

然后，我們使用OpenCV “ add（）”函數(shù)將此反向蒙版添加到先前獲得的黑色背景中，并獲得相同的結(jié)果，但使用白色背景。

在白色背景上提取的ROI

到此為止，我們總結(jié)了幾種方法，可以輕松地從圖像中提取感興趣區(qū)域。

應(yīng)當(dāng)注意，在具有變化的復(fù)雜度的其他圖像的情況下，上面使用的方法可以進(jìn)行修改。