OpenCV / C ++ з'єднують довколишні контури на основі відстані між ними

Я повинен з'єднати контури, розташовані поруч із зображенням, виходячи з відстані між ними, яка визначає, чи потрібно контури підключати.

Тепер вже є питання щодо тієї ж проблеми тут /programming/8973017/opencv-c-obj-c-connect-nearby-contours, але тут він об'єднує всі контури в єдиний. Цього я не хочу. Я не думаю, що для цього є якась функція у opencv, але ви можете запропонувати для цього алгоритм. Моя заявка виглядає так:

Я виявляю руки, тому використовував алгоритм виявлення шкіри, щоб визначити їх, але оскільки моя шкіра не біла і, можливо, через світліші умови колись обрив контуру в лікті. Тому я хочу, щоб контури довкола були з'єднані, але не всі вони (тому що обидві мої руки будуть там у контурах.) (Я маю на увазі від плеча до долоні.)

Більше того, я думаю, що за допомогою деякого виявлення ребер я отримаю межі своїх рук і виявляю, чи знайдеться якийсь цей патч всередині цієї межі як шкіра, то вся область в межах цієї межі буде виявлена ​​як шкіра, але я не впевнений, як це зробити частина.

Будь-яка допомога буде вдячна. Спасибі заздалегідь

Зразок зображення:

На цьому зображенні я хочу з'єднати точки (8 підключень), менші за 40 пікселів відстані, так що я отримаю ліву руку як єдиний контур

Моя мета - отримати лише контур руки (мені не цікавий жоден інший регіон)

Якщо вас не турбує швидкість або точний контур руки, нижче - просте рішення.

Метод такий: Ви берете кожен контур і знаходите відстань до інших контурів. Якщо відстань менше 50, вони знаходяться поруч, і ви складаєте їх разом. Якщо ні, то їх ставлять як різні.

Тому перевірка відстані до кожного контуру - це трудомісткий процес. Займає кілька секунд. Тож ні в якому разі не можна це робити в режимі реального часу.

Також, щоб з'єднати контури, я склав їх в один набір і намалював опуклий корпус для цього набору. Отже результат, який ви отримуєте, - це насправді опуклий корпус руки, а не справжня рука.

Нижче - мій фрагмент коду в OpenCV-Python. Я не пішов на оптимізацію, просто хотів, щоб вона працювала, ось і все. Якщо це вирішить вашу проблему, займіться оптимізацією.

import cv2
import numpy as np

def find_if_close(cnt1,cnt2):
    row1,row2 = cnt1.shape[0],cnt2.shape[0]
    for i in xrange(row1):
        for j in xrange(row2):
            dist = np.linalg.norm(cnt1[i]-cnt2[j])
            if abs(dist) < 50 :
                return True
            elif i==row1-1 and j==row2-1:
                return False

img = cv2.imread('dspcnt.jpg')
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
ret,thresh = cv2.threshold(gray,127,255,0)
contours,hier = cv2.findContours(thresh,cv2.RETR_EXTERNAL,2)

LENGTH = len(contours)
status = np.zeros((LENGTH,1))

for i,cnt1 in enumerate(contours):
    x = i    
    if i != LENGTH-1:
        for j,cnt2 in enumerate(contours[i+1:]):
            x = x+1
            dist = find_if_close(cnt1,cnt2)
            if dist == True:
                val = min(status[i],status[x])
                status[x] = status[i] = val
            else:
                if status[x]==status[i]:
                    status[x] = i+1

unified = []
maximum = int(status.max())+1
for i in xrange(maximum):
    pos = np.where(status==i)[0]
    if pos.size != 0:
        cont = np.vstack(contours[i] for i in pos)
        hull = cv2.convexHull(cont)
        unified.append(hull)

cv2.drawContours(img,unified,-1,(0,255,0),2)
cv2.drawContours(thresh,unified,-1,255,-1)

Нижче наведені результати, які я отримав:

Щоб вирішити проблему з підключенням, можна спробувати закрити операцію:

cv::Mat structuringElement = cv::getStructuringElement(cv::MORPH_ELLIPSE, cv::Size(40, 40));
cv::morphologyEx( inputImage, outputImage, cv::MORPH_CLOSE, structuringElement );

Я сумніваюся, що це дасть потрібні результати, але ви можете спробувати.

Схоже, ви "переставляєте" зображення. Морфологічні операції, як підказав bjnoernz, допомогли б. Зокрема, підхід до забору водозбору повинен наближатися до того, що ви хочете, ніж просто перевірити відстань (як у прикладі пітона вище). Дивіться http://cmm.ensmp.fr/~beucher/wtshed.html .