我在Python方面没有任何经验，但我需要将其作为项目的数据处理步骤.我正在处理葡萄园的无人机热图像，目标是根据海拔和温度将树冠像素与地面像素分离.使用DEM(数字高程模型)，首先对冠层和地面进行了区分.这就产生了一个二元掩模层，可以放在葡萄园的热图像上.这样，我现在有了一个Python中的热图像，其中大多数地面像素为0，树冠像素的值在0到65535之间，表示温度.然而，由于第一次区分(使用DEM)不够精确，一些地面像素也包含在树冠遮罩中.
现在，我想利用所选区域的温度进行第二次区分.我能够用opencv绘制所有树冠区域的轮廓(因此我有一个完整的列表，其中包含代表树冠区域的所有轮廓，以及一些地面像素).我的目标是 for each 轮廓区域制作一个直方图，显示该区域内每个像素值的密度.希望我可以删除过热的像素(即地面像素).
有人知道如何为图像的每个(填充的)轮廓生成直方图吗？现在的格式是6082x4922 Ndaray，其值介于0和65535之间，数据类型为uint16.我使用PyCharm作为IDE.
提前感谢！
Approach:
Code:
# reading given image in grayscale
img = cv2.imread('apples.jpg', 0)
# reading the mask in grayscale
img_mask = cv2.imread(r'apples_mask.jpg', 0)
# binarizing the mask
mask = cv2.threshold(img_mask,0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)[1]
# find contours on the mask
contours, hierarchy = cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
# the approach is encoded within this loop
for i, c in enumerate(contours):
# create a blank image of same shape
black = np.full(shape = im.shape, fill_value = 0, dtype = np.uint8)
# draw a single contour as a mask
single_object_mask = cv2.drawContours(black,[c],0,255, -1)
# coordinates containing white pixels of mask
coords = np.where(single_object_mask == 255)
# pixel intensities present within the image at these locations
pixels = img[coords]
# plot histogram
plt.hist(pixels,256,[0,256])
plt.savefig('apples_histogram_{}.jpg'.format(i)')
# to avoid plotting in the same plot
plt.clf()
Result: (the following are the 3 histogram plots)
如果删除
plt.clf()，所有直方图将绘制在一个绘图上
您可以为您的用例扩展相同的方法
原始图像:
