计算二值阈值图像中非白色区域的表面积（python）
有哪些可能的方法来计算图像中非白色区域/灰色/黑色斑块的表面积？我尝试了cv2.controls来获取形状，在轮廓上迭代，并使用cv2.controls和cv2.arclength（contour,True）求出总面积和周长，但结果似乎与图像无关。
我也尝试在轮廓之前添加一个精明的边缘检测，但似乎仍然不太好用。
只是一个额外的上下文，我想使用表面积作为一个ML模型的特性）。
共有1个答案
您需要cv.countnonzero(img)。黑色像素的值为0，白色/灰色像素的值更大。要找到非白色像素的数量，必须在使用countNonZero（）之前反转图像。
import cv2
img = cv2.imread('jwsFy.png', 0)
img = 255-img # invert image
n_black = cv2.countNonZero(img)
print("Number of dark pixels:")
print(n_black)
height, width = img.shape
n_total = height * width
print("Percentage of dark pixels:")
print(n_black / n_total * 100)
-
我有一个有多个分离的圆形区域的噪声图像是模糊的。具有六个感兴趣区域(ROI)的这种图像的示例是： 在Matlab中使用和给定的阈值很容易用全局阈值分割图像。但是我想相对于每个ROI（而不是整个图像）的最大像素值设置一个固定阈值（例如54%)，来分割每个ROI。 我有一组不同ROI大小和位置的图像，我需要基于区域阈值分割来分割它们，因此我也无法使用Matlab交互工具来选择它们。 谢谢
-
图像阈值 目标 在本教程中，您将学习简单阈值处理，自适应阈值处理，Otsu阈值处理等。 您将学习以下函数：cv2.threshold, cv2.adaptiveThreshold等。 一、单的阈值 在这里，事情是直截了当的。如果像素值大于阈值，则为其分配一个值（可以是白色），否则为其分配另一个值（可以是黑色）。使用的函数是cv2.threshold。第一个参数是源图像，它应该是灰度图像。第二个参数
-
从原始图像中我们可以看到，我的ROI是白色的棉花圈在红色的边界中。当我分割这幅图像时，我得到了如图所示的二值图像。我们注意到，与原始图像相比，二值图像中存在一些缺失区域。因此，我要计算ROI的原始图像的像素数和二值图像中白点的像素数。这样我就可以计算ROI的实际像素和实际分割的像素数量的差异。 谢谢你。
-
问题是我需要一个简化版本的算法，可以计算一个二值图像中几个白色轮廓的质心。例如，如果只有一个白色轮廓，则使用公式计算轮廓中心的坐标Xc和Yc： 其中M是强度m_i的和，m_i是像素强度值，x_i和y_i是像素在图像上的位置，n是像素总数。 有没有人可以建议一些类似的方法来处理几个轮廓，或者如何在计算其中一个轮廓时忽略其他的轮廓，使用相同的公式？
-
目标 在本教程中，您将学习简单阈值，自适应阈值和Otsu阈值。 你将学习函数cv.threshold和cv.adaptiveThreshold。 简单阈值 在这里，问题直截了当。对于每个像素，应用相同的阈值。如果像素值小于阈值，则将其设置为0，否则将其设置为最大值。函数cv.threshold用于应用阈值。第一个参数是源图像，它应该是灰度图像。第二个参数是阈值，用于对像素值进行分类。第三个参数是分
-
在OpenCV python中，假设我们用cv2.imread读取一个图像，并得到一个BGR numpy数组。接下来我们使用cv2.inrange命令生成一个掩码。掩模具有相同的宽度/高度，并且每个掩模像素要么是黑色的，要么是白色的。 我必须先将掩码转换成BGR图像吗？如果是，怎么做？ 编辑：我不想像在将蒙版应用到彩色图像中那样将整个蒙版应用到图像上。另一种表达我所想要的方式：将面具视为一个黑白图