如何在 python opencv 中完成/关闭轮廓？

Question

我有一个 Pi 相机对准一张白色背景上的卡片。然而，局部阴影似乎阻止了我用于卡片检测的轮廓的闭合，这意味着检测总体上失败了。这是我的意思的截图：

您可以看到它在底角处变得参差不齐。这是我用来实现这一目标的代码：

gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
gray = cv2.blur(gray, (5,5))
gray = cv2.bilateralFilter(gray, 11, 17, 17) #blur. very CPU intensive.
cv2.imshow("Gray map", gray)

edges = cv2.Canny(gray, 30, 120)

cv2.imshow("Edge map", edges)

#find contours in the edged image, keep only the largest
# ones, and initialize our screen contour
# use RETR_EXTERNAL since we know the largest (external) contour will be the card edge.
_, cnts, _ = cv2.findContours(edges.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnts = sorted(cnts, key = cv2.contourArea, reverse = True)[:1]
screenCnt = None

# loop over our contours
for c in cnts:
    # approximate the contour
    peri = cv2.arcLength(c, True)
    approx = cv2.approxPolyDP(c, 0.3 * peri, True)

    cv2.drawContours(image, [cnts[0]], -1, (0, 255, 0), 2)

    # if our approximated contour has four points, then
    # we can assume that we have found our card
    if len(approx) == 4:
        screenCnt = approx;
    break

有没有办法强制它关闭特定的轮廓？如果我进一步模糊图像以平滑不起作用的阴影，因为它只是忽略了那些没有边缘的角落。令人讨厌的是它距离关闭轮廓只有几个像素，但它从来没有......

编辑：我现在有一个更逼真的设置，其中背景是米色，并且有更多的阴影干扰。米色是必要的，因为有些卡片有白色边框，所以白色不起作用。边缘检测主要在阴影所在的左侧失败。

Answer 1

正如我在回复您的评论中提到的，“连接”边界线的最简单方法之一是使用形态运算符。在下面的代码中，图像的边缘使用椭球形状进行了扩张。这种技术允许我们合并靠近的行并填充一些空白区域。您可以在OpenCV Documentation 中获得有关此主题的更多信息。

kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(9,9))
dilated = cv2.dilate(image, kernel)
_, cnts, _ = cv2.findContours(dilated.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

在这里您可以看到原始边缘图像、扩张图像和使用扩张边缘获得的轮廓（使用原始屏幕截图的裁剪区域获得的图像）：

但是，正如您所看到和想象的那样，针对更一般的情况解决这个问题更加复杂，并且需要使用其他方法，并且可能比 SO 问题更广泛（或者至少在它的表述方式上）现在）。

通过查看您更困难的情况，我可以建议您使用其他图像表示来替换灰度输入图像（例如 HSV 颜色空间中的 H 通道），以减少或减弱您对阴影的影响。您还可以探索问题中的一些约束：卡片总是以直线作为边界，并使用能够处理参数形式的方法，例如霍夫线检测器。看看这个问题，它可能会给你一些关于如何改进结果的见解：How to identify square or rectangle with variable lengths and width by using javacv?

备注：双边过滤在计算上非常昂贵，特别是如果您使用 RPi 来运行您的应用程序。我建议投资一些其他替代方案，例如高斯滤波，以减少图片中的噪声量（假设您确实需要这样做）。