仅使用 OpenCV 检测图像中的虚线（断线）

Question

我正在尝试学习图像特征检测技术。

我已经设法检测到水平线（不间断/连续），但是我无法检测到图像中的所有虚线/断线。

这是我的测试图片，你可以看到有虚线和一些文本/框等。

到目前为止，我使用了以下代码，它只检测到一条虚线。

import cv2
import numpy as np

img=cv2.imread('test.jpg')
img=functions.image_resize(img,1000,1000) #function from a script to resize image to fit my screen
imgGray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
imgEdges=cv2.Canny(imgGray,100,250)
imgLines= cv2.HoughLinesP(imgEdges,2,np.pi/100,60, minLineLength = 10, maxLineGap = 100)
for x1,y1,x2,y2 in imgLines[0]:
    cv2.line(img,(x1,y1),(x2,y2),(0,255,0),2)

cv2.imshow('Final Image with dotted Lines detected',img) 

我的输出图像如下。如您所见，我只设法检测到最后一条虚线。我玩过参数 rho、theta、min/max 线，但没有运气。

非常感谢任何建议:)

Answer 1

如果您对点的大小有所了解，可以使用黑帽变换过滤掉虚线。黑帽是图像的关闭和图像之间的差异。那你可以试试霍夫线变换。

所以，试试

将 bgr 转换为灰色

使用morphologyEx 应用黑帽：这将只在结果图像中留下黑点。

反转结果并尝试霍夫线变换。

在这里，您将不得不试验内核大小以仅过滤点。如果这被证明不是很健壮，另一种方法是使用斑点检测器。反转图像并应用 opencv blob 检测器或查找轮廓。按区域过滤斑点/轮廓。字母和其他结构的面积将大于点，因此您可以删除任何大于点的结构。然后应用霍夫线变换。

Answer 2

这个解决方案：

import cv2
import numpy as np

img=cv2.imread('test.jpg')

kernel1 = np.ones((3,5),np.uint8)
kernel2 = np.ones((9,9),np.uint8)

imgGray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
imgBW=cv2.threshold(imgGray, 230, 255, cv2.THRESH_BINARY_INV)[1]

img1=cv2.erode(imgBW, kernel1, iterations=1)
img2=cv2.dilate(img1, kernel2, iterations=3)
img3 = cv2.bitwise_and(imgBW,img2)
img3= cv2.bitwise_not(img3)
img4 = cv2.bitwise_and(imgBW,imgBW,mask=img3)
imgLines= cv2.HoughLinesP(img4,15,np.pi/180,10, minLineLength = 440, maxLineGap = 15)

for i in range(len(imgLines)):
    for x1,y1,x2,y2 in imgLines[i]:
        cv2.line(img,(x1,y1),(x2,y2),(0,255,0),2)

cv2.imshow('Final Image with dotted Lines detected', img)