การหา Contours ของภาพด้วย scikit-image (skimage) ใน Python

Contour Detection คือการหาขอบเขตของวัตถุในภาพ ใช้ใน Computer Vision, Image Segmentation, Shape Analysis

โมดูล skimage.measure มีฟังก์ชัน find_contours() ใช้ Algorithms **Marching Squares** หา Contours ที่ระดับความเข้ม (Level) ที่กำหนด

หมายเหตุ: scikit-image (skimage) แยกจาก scikit-learn (sklearn) แม้ชื่อคล้ายกัน แต่ skimage เน้น Image Processing

ตัวอย่างโค้ด

import numpy as np
import matplotlib.pyplot as plt
from skimage import measure

# สร้างข้อมูลทดสอบ: ฟังก์ชัน Sin/Cos ผสม
x, y = np.ogrid[-6.7:np.pi:215j, -1.2:np.pi:215j]
r = np.sin(np.exp((np.sin(x)**3 + np.cos(y)**2)))

# หา Contours ที่ Level = 0.8
contours = measure.find_contours(r, 0.8)

# พลอต
fig, ax = plt.subplots()
ax.imshow(r, cmap=plt.cm.gray)

for contour in contours:
    ax.plot(contour[:, 1], contour[:, 0], linewidth=2, color='red')

ax.set_title('Contours at Level 0.8')
ax.axis('image')
ax.set_xticks([])
ax.set_yticks([])
plt.show()

ผลลัพธ์

คำอธิบาย

• สร้าง Grid 2D ด้วย np.ogrid (Open Grid - Memory Efficient)

• คำนวณค่า Intensity r จากฟังก์ชัน Sin/Cos 複雜

• measure.find_contours(image, level) หา Contours ที่ Intensity = level

• คืน List ของ Arrays (N, 2) = (row, column) Coordinates

• พลอตภาพ Grayscale แล้ววาด Contours ทับกัน

พารามิเตอร์ find_contours()

find_contours(array, level, fully_connected='low', positive_orientation='low')

• level: ค่า Intensity ที่ต้องการหา Contour (Float)
• fully_connected: 'low' (Face-connected) หรือ 'high' (Vertex-connected)
• positive_orientation: ทิศทางของ Contour

การใช้งานกับภาพจริง

from skimage import io, color, measure

# โหลดภาพ แปลง Grayscale
image = io.imread('image.png')
if image.ndim == 3:
    image = color.rgb2gray(image)

# หา Contours หลาย Levels
levels = [0.3, 0.5, 0.7]
for level in levels:
    contours = measure.find_contours(image, level)
    # ประมวลผลต่อ...

เปรียบเทียบ: find_contours vs OpenCV findContours