Opencv在图像上找到轮廓答案

【问题标题】：Opencv find Contours on imageOpencv在图像上找到轮廓
【发布时间】：2023-03-09 01:50:01
【问题描述】：

我编写了一个检测图像书籍的代码。第一步是找到图像上的轮廓，但我对一些书有疑问。有时我无法正确检测轮廓（一本书是一个矩形，所以只需找到 4 个轮廓）因为线条没有正确指定，并且我有间隙击败它们，如图所示。有没有办法扩展检测到的边缘？

这是我的代码：

imgg = cv2.imread('\book.jpg')

gray = cv2.cvtColor(imgg, cv2.COLOR_BGR2GRAY)
gray = cv2.bilateralFilter(gray, 11, 17, 17)
edged = cv2.Canny(gray , 10, 250)


(cnts, _) = cv2.findContours(edged.copy(), cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
total = 0

#binary = cv2.bitwise_not(gray)

for c in cnts:

    area = cv2.contourArea(c)

    peri = cv2.arcLength(c, True)
    approx = cv2.approxPolyDP(c, 0.03 * peri, True)

    if (len(approx) == 4) and (area > 100000):

        cv2.drawContours(imgg, [approx], -1, (0, 255, 0), 4)

cv2.imshow('image',imgg)
cv2.waitKey(0)
cv2.destroyAllWindows()

【问题讨论】：

您能添加您的原始输入图像吗？一种做法是灰度化，大津的阈值，然后用轮廓逼近+轮廓区域过滤来确定要预定的轮廓

标签： python opencv computer-vision object-detection

【解决方案1】：

这是一个阈值的简单示例，请记住在与以下脚本相同的文件夹中有一个 test.png。在应用 findContours 之前使用它，应该是一个显着的改进。否则谷歌Otsu's Binarization。

import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt
img = cv.imread('test.png',0)
img = cv.medianBlur(img,5)
ret,th1 = cv.threshold(img,127,255,cv.THRESH_BINARY)
th2 = cv.adaptiveThreshold(img,255,cv.ADAPTIVE_THRESH_MEAN_C,\
            cv.THRESH_BINARY,11,2)
th3 = cv.adaptiveThreshold(img,255,cv.ADAPTIVE_THRESH_GAUSSIAN_C,\
            cv.THRESH_BINARY,11,2)
titles = ['Original Image', 'Global Thresholding (v = 127)',
            'Adaptive Mean Thresholding', 'Adaptive Gaussian Thresholding']
images = [img, th1, th2, th3]
for i in xrange(4):
    plt.subplot(2,2,i+1),plt.imshow(images[i],'gray')
    plt.title(titles[i])
    plt.xticks([]),plt.yticks([])
plt.show()

【讨论】：

【解决方案2】：

边缘检测通常效果不佳。在这里，您丢弃了高度相关的信息，即颜色对比度。

饱和分量的二值化会更有效。

【讨论】：

@Lazer：不，不是用 OpenCV 制作的。顺便说一句，这并不难。