Контурные картинки черно белые: Черно белые контурные рисунки (68 фото) » Рисунки для срисовки и не только

Нравится изображение, но нужно всего лишь несколько модификаций? Пусть наши талантливые художники сделают всю работу за вас!

Мы свяжем вас с дизайнером, который сможет внести изменения и отправить вам изображение в выбранном вами формате.

Примеры

• Изменить текст
• Изменить цвета
• Изменить размер до новых размеров
• Включить логотип или символ
• Добавьте название своей компании или компании

Включенные файлы

Подробности загрузки. ..

• Идентификатор изображения

  32321009

• Цветовой режим

  RGB

• Художник

  ДжулиасАрт

python – Как обнаружить черный контур на изображении с помощью open-cv

У меня есть изображение, показанное ниже (это изображение является результатом предварительной обработки исходного изображения, которое у меня было):

Я пытаюсь определить контур для черной области , ограниченной двумя белыми области (обратите внимание, что белые области не всегда сплошные, и сверху может быть 2, 3,… несвязанных белых областей — для большинства изображений белые области непрерывны; однако есть некоторые примеры, когда верхняя белая область не непрерывный — пожалуйста, см. раздел обновления моего вопроса, чтобы увидеть пример прерывистой области)

Есть ли у вас какие-либо предложения, как я могу определить границу черной области и отделить черную область?

========= UPDATE Requested by Micka ========

Пример прерывистой белой области (это происходит только на верхнем слое) — нижний слой всегда остается сплошным белая область

В этом случае, как показано на рисунке выше, я могу выбрать область, подобную показанной ниже

идеальный выбор

ОРИГИНАЛ ФОТО Я также включил исходное изображение для приведенного выше предварительно обработанного изображения ниже на случай, если вы заинтересованы в его предварительной обработке. Код предварительной обработки, который я использовал и в итоге получил изображение выше, показан ниже:

 img = cv2.imread('....tif')
# преобразовать в оттенки серого
серый = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
# порог
порог = cv2.threshold(серый, 128, 255, cv2.THRESH_BINARY)[1]
# применить морфологию
ядро ​​= cv2.getStructuringElement (cv2.MORPH_RECT, (1,5))
morph = cv2.morphologyEx (thresh, cv2.MORPH_OPEN, ядро)
ядро = cv2.getStructuringElement(cv2.MORPH_RECT, (29,1))
morph = cv2.morphologyEx(morph, cv2.MORPH_CLOSE, ядро)
 

• python
• opencv
• обработка изображений

14

Вот как:

 импорт cv2
импортировать numpy как np
img = cv2.imread(r"D:\OpenCV Projects\Черный контур\image.jpg")
img_hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
нижний = np.массив ([0, 0, 75])
верхний = np.массив ([179, 179, 115])
маска = cv2.inRange (img_hsv, нижняя, верхняя)
mask_blur = cv2. GaussianBlur (маска, (3, 3), 1)
_, порог = cv2.threshold(mask_blur, 200, 255, cv2.THRESH_BINARY)
контуры, _ = cv2.findContours (thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
cv2.drawContours(img, [max(contours, key=cv2.contourArea)], -1, (255, 0, 0), 3)
cv2.imshow («Изображение», изображение)
cv2.waitKey(0)
cv2.destroyAllWindows()
 

Вывод:

Вот вся обработка изображения, прошедшая во время выполнения вышеуказанного кода:

BGR в HSV:

HSV в маску:

:

От размытой маски до пороговой маски:

Отсюда просто определите контур на изображении выше и нарисуйте его на изображении.

3

Вот один из подходов в Python/OpenCV, который я протестировал на вашем изображении с короткими линиями. Возможно, вам придется настроить для других изображений.

Идея состоит в том, чтобы применить вертикальную морфологию, чтобы сократить расстояние. Затем получите разницу между пороговой версией и закрытой версией. Очистите любые небольшие пятна с открытой морфологией.

Ввод:

 импорт cv2
импортировать numpy как np
# прочитать ввод
изображение = cv2.imread("short_lines.jpg")
# преобразовать в оттенки серого
серый = cv2.cvtColor (изображение, cv2.COLOR_BGR2GRAY)
# создаем бинарное пороговое изображение
порог = cv2.threshold(серый, 0, 255, cv2.THRESH_BINARY+cv2.THRESH_OTSU)[1]
# применить морфологию близко, чтобы соединить пространство между строками
ядро ​​= np.ones ((45,1), np.uint8)
morph = cv2.morphologyEx (thresh, cv2.MORPH_CLOSE, ядро)
# получаем абсдиф морфинга и thresh
diff = cv2.absdiff (thresh, morph)
# применить морфологию open для очистки небольших пятен
ядро ​​= np.ones ((5,5), np.uint8)
результат = cv2.morphologyEx (diff, cv2.MORPH_OPEN, ядро)
# сохранить результаты
cv2.imwrite ("short_lines_close.jpg", morph)
cv2.imwrite("short_lines_diff.jpg", diff)
cv2.imwrite ("short_lines_space.jpg", результат)
# отобразить результат, но без прозрачности
cv2.