AI工具箱

1 代码功能

        该代码实现了一个图像处理的功能，具体来说是去除图像内部填充（或更准确地说，是提取并显示图像中轮廓的外围区域，而忽略内部填充）。以下是该功能的详细步骤：

1. 读取图像：使用cv2.imread()函数从指定路径image_path读取图像。如果图像无法加载（例如，文件不存在或路径错误），则打印错误消息并返回。

2. 转换为灰度图像：通过cv2.cvtColor()函数将图像从BGR颜色空间转换为灰度图像。这是边缘检测前的必要步骤，因为边缘检测通常在灰度图像上执行。

3. 应用边缘检测：使用cv2.Canny()函数对灰度图像进行Canny边缘检测。Canny边缘检测是一种流行的边缘检测算法，它通过计算图像梯度的局部***大值来检测边缘。这里设置了两个阈值（100和200），用于控制边缘检测的灵敏度。

4. 查找轮廓：通过cv2.findContours()函数在边缘检测后的图像中查找轮廓。这里使用了cv2.RETR_EXTERNAL标志，表示只检索***外层的轮廓，忽略轮廓内部的洞或轮廓上的其他轮廓。

5. 创建掩膜：创建一个与灰度图像形状相同但全为黑色的图像（即掩膜）。然后，使用cv2.drawContours()函数在掩膜上绘制找到的轮廓，轮廓内的区域被设置为白色（255）。

6. 应用掩膜到原图：由于掩膜是灰度图像（单通道），而原图是BGR图像（三通道），因此需要将掩膜转换为三通道图像（使用cv2.cvtColor()）。然后，使用cv2.bitwise_and()函数将掩膜应用到原图上，以提取轮廓外围的区域，忽略内部填充。

7. 显示结果：使用matplotlib的plt.imshow()函数显示原始图像、掩膜和结果图像。由于matplotlib默认以RGB格式显示图像，而OpenCV以BGR格式读取图像，因此在显示之前需要将图像从BGR转换为RGB。

        ***终，这段代码会显示三个图像：原始图像、掩膜（仅显示轮廓）和结果图像（只包含原始图像中轮廓外围的区域）。这可以用于去除图像中不需要的内部细节，只保留轮廓和轮廓外的区域。

2 代码

import cv2  
import numpy as np  
import matplotlib.pyplot as plt  
  
def remove_interior_fill(image_path):  
    # 1. 读取图像  
    img = cv2.imread(image_path)  
    if img is None:  
        print(f"Error: Unable to load image at {image_path}")  
        return  
  
    # 2. 转换为灰度图像
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  
      
    _, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY) 
    gray = cv2.equalizeHist(gray)
    # 3. 应用边缘检测  
    edges = cv2.Canny(gray, 100, 200)  
  
    # 4. 查找轮廓  
    contours, _ = cv2.findContours(edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)  
  
    # 5. 创建掩膜  
    mask = np.zeros_like(gray)  
    cv2.drawContours(mask, contours, -1, 255, -1)  
  
    # 6. 应用掩膜到原图  
    # 注意：我们需要将掩膜扩展到原始图像的通道数  
    mask_3ch = cv2.cvtColor(mask, cv2.COLOR_GRAY2BGR)  
    result = cv2.bitwise_and(img, mask_3ch)  
  
    # 显示结果  
    plt.figure(figsize=(12, 4))  
    plt.subplot(1, 3, 1)  
    plt.imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))  # 转换为RGB以正确显示颜色  
    plt.title('Original')  
    plt.axis('off')  
  
    plt.subplot(1, 3, 2)  
    plt.imshow(cv2.cvtColor(mask_3ch, cv2.COLOR_BGR2RGB))  # 同样转换为RGB  
    plt.title('Mask')  
    plt.axis('off')  
  
    plt.subplot(1, 3, 3)  
    plt.imshow(cv2.cvtColor(result, cv2.COLOR_BGR2RGB))  
    plt.title('Result')  
    plt.axis('off')  
  
    plt.show()  
  
# 使用示例  
image_path = 'input.jpg'  
remove_interior_fill(image_path)

3 运行结果

图 3-1 运行结果