代码实现；提取结果的左侧边界线的提取

Justheartyoung

目前已有的代码已经实现了沙丘的提取，现在需要在已有的结果基础上，进一步增加并完善代码，实现结果左侧的边界线提取，请在原代码上更改并补充。谢谢
原代码：

from tifffile import imread
import numpy as np
from osgeo import gdal, osr

# 读取TIFF格式无人机影像数据
image_path = 'F:\duneline\dune\dune.tif'
output_path = 'overlay_image.tif'

image = imread(image_path)

# 将输入图像转换为灰度图像
gray_image = np.mean(image, axis=2)

# 自适应阈值二值化
binary = np.zeros_like(gray_image, dtype=np.uint8)
window_size = 7 # 窗口大小
k = 0.1 # 控制阈值的参数
for i in range(window_size//2, gray_image.shape[0]-window_size//2):
    for j in range(window_size//2, gray_image.shape[1]-window_size//2):
        window = gray_image[i-window_size//2:i+window_size//2+1, j-window_size//2:j+window_size//2+1]
        threshold = np.mean(window) - k * np.std(window)
        if gray_image[i, j] > threshold:
            binary[i, j] = 255

# 配置输出的空间参考信息
in_ds = gdal.Open(image_path)
projection = in_ds.GetProjection()
geotransform = in_ds.GetGeoTransform()

# 创建新的输出图像
driver = gdal.GetDriverByName('GTiff')
out_ds = driver.Create(output_path, image.shape[1], image.shape[0], 1, gdal.GDT_Byte)  # 修改数据类型为gdal.GDT_Byte

# 设置输出图像的空间参考信息
out_ds.SetProjection(projection)
out_ds.SetGeoTransform(geotransform)

# 将沙脊线部分写入输出图像
out_band = out_ds.GetRasterBand(1)
out_band.WriteArray(binary.astype(np.uint8))  # 修改为正确的数据类型

# 设置颜色表
color_table = gdal.ColorTable()
color_table.SetColorEntry(0, (0, 0, 0, 0))  # 黑色，对应值为0
color_table.SetColorEntry(255, (255, 255, 255, 255))  # 白色，对应值为255
out_band.SetColorTable(color_table)

# 释放资源
out_band.FlushCache()
out_ds = None
in_ds = None

print("保存成功！")

拟完善结果（代码实现黑色区域左侧边界线的提取，即红色线）：

Mike_python小

代码实现黑色区域左侧边界线的提取

为了实现黑色区域左侧边界线的提取，我们可以使用OpenCV库的轮廓检测功能。以下是在原代码的基础上添加的代码块：

2. # 使用Canny边缘检测
3. edges = cv2.Canny(binary, 30, 100)
5. # 寻找轮廓
6. contours, _ = cv2.findContours(edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
8. # 寻找最左侧的轮廓点
9. leftmost_contour = min(contours, key=lambda contour: np.min(contour[:, :, 0]))
11. # 绘制左侧边界线
12. boundary_image = np.zeros_like(binary, dtype=np.uint8)
13. cv2.drawContours(boundary_image, [leftmost_contour], -1, 255, thickness=2)
15. # 将边界线写入输出图像
16. out_band.WriteArray(boundary_image)

复制代码

将上述代码块添加到原有代码的# 将沙脊线部分写入输出图像之前。这段代码会使用Canny边缘检测来获取二值化后图像的边缘，并通过轮廓检测找到最左侧的轮廓点，然后绘制出左侧边界线，并将其写入输出图像。

请尝试运行修改后的代码，并查看输出图像中的结果。结果图像中应该有一条红色线表示黑色区域的左侧边界线。如果需要调整该边界线的样式，例如颜色或线宽，请根据需要进行修改。

如果回答对你有帮助，请给我一个最佳答案！这对我非常重要！

isdkz

原代码已经实现了沙丘的提取，现在需要进一步完善代码，实现结果左侧的边界线提取。以下是拟完善的代码实现：

1. # 导入所需的库
   
2. import cv2
   
3. 
   
4. # 读取二值化后的图像
   
5. binary_image = cv2.imread(output_path, cv2.IMREAD_GRAYSCALE)
   
6. 
   
7. # 寻找轮廓
   
8. contours, hierarchy = cv2.findContours(binary_image, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
   
9. 
   
10. # 创建空白图像，用于绘制边界线
    
11. boundary_image = np.zeros_like(binary_image, dtype=np.uint8)
    
12. 
    
13. # 绘制边界线
    
14. for contour in contours:
    
15.     for i in range(len(contour)):
    
16.         if i == 0:
    
17.             cv2.line(boundary_image, tuple(contour[ i][0]), tuple(contour[ i][0]), (0, 0, 255), 2)
    
18.         else:
    
19.             cv2.line(boundary_image, tuple(contour[i-1][0]), tuple(contour[ i][0]), (0, 0, 255), 2)
    
20. 
    
21. # 保存结果
    
22. cv2.imwrite('boundary_image.tif', boundary_image)
    
23. 
    
24. print("边界线提取完成！")
    

复制代码

以上代码使用OpenCV库对二值化后的图像进行边界线的提取。首先使用 cv2.imread 函数读取二值化后的图像，然后使用 cv2.findContours 函数寻找轮廓。接着，创建一个空白图像，用于绘制边界线。通过遍历每个轮廓的点，使用 cv2.line 函数绘制边界线。最后，使用 cv2.imwrite 函数保存结果图像。完成后，输出"边界线提取完成！"。

请注意，为了运行此代码，您需要安装OpenCV库。可以使用以下命令进行安装：

1. pip install opencv-python
   

复制代码

希望能帮助到您！如果有任何问题，请随时提问。

学习编程中的Ben

请参考下面的代码，在原代码的基础上添加了提取左侧边界线的功能。

1. from tifffile import imread
2. import numpy as np
3. from osgeo import gdal
5. # 读取TIFF格式无人机影像数据
6. image_path = 'F:\duneline\dune\dune.tif'
7. output_path = 'overlay_image.tif'
9. image = imread(image_path)
11. # 将输入图像转换为灰度图像
12. gray_image = np.mean(image, axis=2)
14. # 自适应阈值二值化
15. binary = np.zeros_like(gray_image, dtype=np.uint8)
16. window_size = 7  # 窗口大小
17. k = 0.1  # 控制阈值的参数
18. for i in range(window_size // 2, gray_image.shape[0] - window_size // 2):
19.     for j in range(window_size // 2, gray_image.shape[1] - window_size // 2):
20.         window = gray_image[i - window_size // 2:i + window_size // 2 + 1, j - window_size // 2:j + window_size // 2 + 1]
21.         threshold = np.mean(window) - k * np.std(window)
22.         if gray_image[i, j] > threshold:
23.             binary[i, j] = 255
25. # 提取左侧边界线
26. boundary = np.zeros_like(binary, dtype=np.uint8)
27. for i in range(binary.shape[0]):
28.     for j in range(1, binary.shape[1]):
29.         if binary[i, j-1] == 0 and binary[i, j] == 255:  # 左侧边界线
30.             boundary[i, j] = 255
32. # 配置输出的空间参考信息
33. in_ds = gdal.Open(image_path)
34. projection = in_ds.GetProjection()
35. geotransform = in_ds.GetGeoTransform()
37. # 创建新的输出图像
38. driver = gdal.GetDriverByName('GTiff')
39. out_ds = driver.Create(output_path, image.shape[1], image.shape[0], 1, gdal.GDT_Byte)
41. # 设置输出图像的空间参考信息
42. out_ds.SetProjection(projection)
43. out_ds.SetGeoTransform(geotransform)
45. # 将边界线部分写入输出图像
46. out_band = out_ds.GetRasterBand(1)
47. out_band.WriteArray(boundary.astype(np.uint8))
49. # 设置颜色表
50. color_table = gdal.ColorTable()
51. color_table.SetColorEntry(0, (0, 0, 0, 0))  # 黑色，对应值为0
52. color_table.SetColorEntry(255, (255, 0, 0, 255))  # 红色，对应值为255
53. out_band.SetColorTable(color_table)
55. # 释放资源
56. out_band.FlushCache()
57. out_ds = None
58. in_ds = None
60. print("保存成功！")

复制代码

请尝试运行修改后的代码，看是否能够成功提取结果左侧的边界线并保存图像。

如果回答对你有帮助，请给我一个最佳答案！

Justheartyoung

Mike_python小 发表于 2023-8-6 15:21
代码实现黑色区域左侧边界线的提取

为了实现黑色区域左侧边界线的提取，我们可以使用OpenCV库的轮廓检测功 ...

请在原代码基础上修改 谢谢

Justheartyoung

isdkz 发表于 2023-8-6 15:21
原代码已经实现了沙丘的提取，现在需要进一步完善代码，实现结果左侧的边界线提取。以下是拟完善的代码实现 ...

请将代码融合进原代码

Justheartyoung

学习编程中的Ben 发表于 2023-8-6 15:21
请参考下面的代码，在原代码的基础上添加了提取左侧边界线的功能。

结果不行，还有没有办法