现在这里已经有一个问题针对相同的问题https://stackoverflow.com / questions / 8973017 / opencv-c-obj-c-connect-nearby-contours，但在这里他将所有轮廓合并为一个轮廓。这个我不要我认为opencv中没有为此功能，但是您可以为此建议一个算法。我的应用程序是这样的：
我正在检测手，所以我使用皮肤检测算法来确定它们，但是由于我的皮肤不是白色，可能是由于某些情况下变亮了，所以在弯头。因此，我希望连接附近的轮廓，但不要全部连接（因为我的两只手都在轮廓中。）（我的意思是从肩膀到手掌。）
此外，我认为通过使用一些边缘检测，我将获得我的手的边界，并检测该边界内的某些补丁是否被检测为皮肤，然后将该边界内的整个区域检测为皮肤，但是我不确定该如何做。
任何帮助将不胜感激。在此先感谢
示例图像：
在此图像中，我想连接点（小于8个像素）的点（8个连通性）距离，这样我的左手就可以成为单个轮廓
我的目标是仅获得手的轮廓（我不在乎任何其他区域）
#1 楼
如果您不担心手的速度或精确的轮廓，下面是一个简单的解决方案。方法是这样的：您获取每个轮廓并找到与其他轮廓的距离。如果距离小于50，则它们在附近，您将它们放在一起。如果不是，则将它们放置为不同。
因此检查每个轮廓的距离是一个耗时的过程。需要几秒钟。因此，您不可能实时完成该操作。
此外，为了连接轮廓，我将它们放在一个集合中并为该集合绘制了一个凸包。因此，您得到的结果实际上是凸形的手壳，而不是真实的手。
下面是我在OpenCV-Python中编写的代码。我还没有进行任何优化，只是希望它能正常工作，仅此而已。如果它解决了您的问题，请进行优化。
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)
以下是我得到的结果：
评论
$ \ begingroup $
如何用c ++完成？我已经完成了findContour部分，但是在那之后，我似乎无法将轮廓包裹在如上所示的多边形中（而不是边界矩形）。
$ \ endgroup $
– Elionardo Feliciano
2013年12月10日下午5:30
$ \ begingroup $
我感谢您的方法，并尝试将其应用于我的案例，但是不幸的是，它在Python上的运行速度非常慢（尽管我的笔记本电脑具有Core i7QM和8GB RAM）。我使用MSER来检测区域，现在需要确定哪些区域对是“相邻”的，我尝试使用阈值为10的算法...返回相邻区域需要花费数年的时间。
$ \ endgroup $
–吉姆·雷诺（Jim Raynor）
2014年4月25日在0:12
#2 楼
要解决连接问题，您可以尝试关闭操作：cv::Mat structuringElement = cv::getStructuringElement(cv::MORPH_ELLIPSE, cv::Size(40, 40));
cv::morphologyEx( inputImage, outputImage, cv::MORPH_CLOSE, structuringElement );
我怀疑这会产生所需的结果，但是您可以尝试一下。
评论
用手实际上是指武器。不能仅仅调整用于检测皮肤的色相来匹配您的肤色？我做到了，它可以提供很好的输出（当我的皮肤被照亮时）。因此，在晚上，如图所示。无论如何，我认为可能有某种方法可以连接附近的Blob。
与dsp.stackexchange.com/q/2588/590
相关
欢迎进行堆栈交换。 SE不是论坛！这不是问题的答案。如果您对此问题有疑问，请将其作为注释。
您如何检测皮肤？