Bonjour, ce programme 'Python 2.7' dessous il fait le traitement d'une image et la detetction des contours des objets;

je suis bloquée depuis quelque jours sur Comment compléter les contours discontinus et sur l'extraction des caractéristiques de ces contours  

la question c'est: C'est quoi le code/fonction qui peut me calculer le nombre de pixels dans ces contours, puis extraire leurs coordonnées en (x,y), pour les exporter dans un fichier .txt

import cv2
import numpy as np
from matplotlib import pyplot as plt


#...........................Importation de l'image:....................

img = cv2.imread('Cap.jpg')
imgray = cv2.cvtColor (img,cv2.COLOR_BGR2GRAY) #niveau de gris

#.............................detection de contours.....................

ret,thresh = cv2.threshold(imgray,127,255,0)
contours, hierarchy = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
len(contours)#Comptage du nombre de contours fermés
cnt = len(contours)
cv2.drawContours(img,contours,-1,(0,255,0),2)

#............................... Affichage...............................

cv2.imshow('Contours',img)
plt.show()
cv2.waitKey(0)
cv2.destroyAllWindows()

#....................filtre de sobel...................................


scale = 1
delta = 0
ddepth = cv2.CV_16S

img = cv2.imread('Cap.jpg')
img = cv2.GaussianBlur(img,(3,3),0)
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

#Calcul du gradiant
# Gradient-X
grad_x = cv2.Sobel(gray,ddepth,1,0,ksize = 3, scale = scale, delta = delta,borderType = cv2.BORDER_DEFAULT)
#grad_x = cv2.Scharr(gray,ddepth,1,0)

# Gradient-Y
grad_y = cv2.Sobel(gray,ddepth,0,1,ksize = 3, scale = scale, delta = delta, borderType = cv2.BORDER_DEFAULT)
#grad_y = cv2.Scharr(gray,ddepth,0,1)

abs_grad_x = cv2.convertScaleAbs(grad_x)   # converting back to uint8
abs_grad_y = cv2.convertScaleAbs(grad_y)

sobel = cv2.addWeighted(abs_grad_x,0.5,abs_grad_y,0.5,0)
#dst = cv2.add(abs_grad_x,abs_grad_y)

cv2.imshow('image sobel',sobel)
cv2.waitKey(0)
cv2.destroyAllWindows()
cv2.imwrite ("resultat .jpg",sobel)
##.............................Squelettisation ..........................
dst = sobel
img = cv2.imread('Cap.jpg',0)
size = np.size(dst)
skel = np.zeros(dst.shape,np.uint8)
 
ret,dst = cv2.threshold(dst,127,255,0)
element = cv2.getStructuringElement(cv2.MORPH_CROSS,(3,3))
done = False
 
while( not done):
    eroded = cv2.erode(dst,element)
    temp = cv2.dilate(eroded,element)
    temp = cv2.subtract(dst,temp)
    skel = cv2.bitwise_or(skel,temp)
    dst = eroded.copy()
 
    zeros = size - cv2.countNonZero(dst)
    if zeros==size:
        done = True
 
cv2.imshow("skel",skel)
cv2.waitKey(0)
cv2.destroyAllWindows()

cv2.imwrite ("skel.jpg",skel)
#................................test de dilatation........................
import pymorph
from PIL import Image

#skel = sobel
size = np.size(skel)
skel = np.zeros(skel.shape,np.uint8)

ret,skel = cv2.threshold(skel,127,255,0)
element = cv2.getStructuringElement(cv2.MORPH_CROSS,(3,3))
skel = 255 - skel
skel = cv2.dilate(skel, element, iterations=3)
cv2.imshow("dilatation",skel)
cv2.waitKey(0)
cv2.imwrite ("dilatation.jpg",skel)
#............................... Nombre de pixels......................
#print edges          ##edges est une matrice           
x = len (dst[0])
print len (dst[0])    ##la taille de chaque ligne cette la matrice
                            #correspond à la largeur de image
y = len (dst)
print len (dst)       #le nombre de lignes de cette matrice
                           #correspond à la hauteur de l'image

#donc chaque entrée edges[x][y] correspond à la valeur d'un pixel
# 0 pour le noir et 255 pour blanc
#avec x correspond à chaque pixel différent de 0, donc 255 puisque j'ai une image binaire


#print np.transpose (np.nonzero(edges))[x] ..

mask = np.zeros(imgray.shape,np.uint8)
cv2.drawContours(mask,contours,-1,(0,255,0),1)
pixelpoints = np.transpose(np.nonzero(mask))
print (pixelpoints)

#................................Valeurs maximale et minimale..............

min_val, max_val, min_loc,max_loc = cv2.minMaxLoc(imgray,mask = mask)
print (min_val, max_val,min_loc, max_loc)

#......................... points extremes.....................

x = cnt[:]
int (x)
x_min_loc = x.argmin()
point = cnt[x_min_loc]
leftmost = tuple(point[0])

x_max_loc = x.argmax()
point = cnt[x_max_loc]

#........exportation des pixels vers un fichier .txt........................
f =  open("data.txt", 'w')
f.write('cnt' +repr (x, y))
f.close()

Merci d'avance! 

-
Edité par dynda 8 avril 2014 à 15:39:52

-
Edité par chawkisr 5 mars 2016 à 23:01:18