这篇文章将为大家详细讲解有关Python图像处理之如何实现目标物体轮廓提取，小编觉得挺实用的，因此分享给大家做个参考，希望大家阅读完这篇文章后可以有所收获。
1 引言
目标物体的边缘对图像识别和计算机分析十分有用。边缘可以勾画出目标物体，使观察者一目了然；边缘蕴含了丰富的内在信息（如方向、形状等），是图像识别中抽取图像特征的重要属性。轮廓提取是边界分割中非常重要的一种处理，同时也是图像处理的经典难题，轮廓提取和轮廓跟踪的目的都是获得图像的外部轮廓特征。
2 原理
二值图像的轮廓提取的原理非常简单，就是掏空内部点：如果原图中有一点为黑，且它的8个相邻点皆为黑色，则将该点删除。对于非二值图像，需要先进行二值化处理。轮廓提取的方法有很多，在这里我们介绍一种最基本、最简单容易实现的算法。算法原理如下：
在进行轮廓提取时，使用一个一维数组，用来记录处理的像素点的周围8邻域的信息
若8个邻域的像素点的灰度值和中心点的灰度值相同，则认为该点在物体的内部，可以删除；
否则，认为该点在图像的边缘，需要保留。
依次处理图像中每一个像素，则最后留下来的就是图像的轮廓。
3 Python实现
1）读入彩色图像
img_name = "./20210808/sample3.png"img = cv2.imread(img_name)结果如下：
2) 彩色图像灰度化
gray_img = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)结果如下：
3）二值化
def get_binary_img(img): # gray img to bin image bin_img = np.zeros(shape=(img.shape), dtype=np.uint8) h = img.shape[0] w = img.shape[1] for i in range(h): for j in range(w): bin_img[i][j] = 255 if img[i][j] > 127 else 0 return bin_img# 调用bin_img = get_binary_img(gray_img)结果如下：
4）提取轮廓
参考上述原理，进行实现，代码如下：
def get_contour(bin_img): # get contour contour_img = np.zeros(shape=(bin_img.shape),dtype=np.uint8) contour_img += 255 h = bin_img.shape[0] w = bin_img.shape[1] for i in range(1,h-1): for j in range(1,w-1): if(bin_img[i][j]==0): contour_img[i][j] = 0 sum = 0 sum += bin_img[i - 1][j + 1] sum += bin_img[i][j + 1] sum += bin_img[i + 1][j + 1] sum += bin_img[i - 1][j] sum += bin_img[i + 1][j] sum += bin_img[i - 1][j - 1] sum += bin_img[i][j - 1] sum += bin_img[i + 1][j - 1] if sum == 0: contour_img[i][j] = 255 return contour_img# 调用 contour_img = get_contour(bin_img)结果如下：
4 总结
通过上述简单步骤，我们实现了物体轮廓提取，相应的处理效果如下：
关于“Python图像处理之如何实现目标物体轮廓提取”这篇文章就分享到这里了，希望以上内容可以对大家有一定的帮助，使各位可以学到更多知识，如果觉得文章不错，请把它分享出去让更多的人看到。
