使用opencv从图像中检测框答案

【问题标题】：Detecting boxes from an image using opencv使用opencv从图像中检测框
【发布时间】：2018-08-13 09:04:39
【问题描述】：

我需要使用opencv 在以下图像中查找框。我曾尝试使用 mser，但没有得到任何好的结果。

我的 MSER 代码：

mser = cv2.MSER_create()
img = cv2.imread('Lines.png')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
I = img.copy()
regions, _ = mser.detectRegions(I)
hulls = [cv2.convexHull(p.reshape(-1, 1, 2)) for p in regions]
mask = np.zeros((img.shape[0], img.shape[1], 1), dtype=np.uint8)
c=0
points=[]
for contour in hulls:
    [x, y, w, h] = cv2.boundingRect(contour)
    if w < 50 or h < 8 or w>120:
        continue
    c=c+1
    cv2.rectangle(I, (x, y), (x + w, y + h), (255, 0, 255), 0)
plt.figure(1,figsize=(100, 50))
plt.imshow(I)

MSER 的结果：

【问题讨论】：

既然你已经有一个二值图像，我会尝试cv::findContours 并只保留可以简化的轮廓，例如Douglas-Peucker 算法使用 4 个点。我有一个代码，但仅限于 C++。
在python中可以使用cv2.findContours函数

标签： python opencv image-processing deep-learning computer-vision

【解决方案1】：

您可以对图像进行阈值处理并反转您的白色和黑色像素，以便您的框是用黑线分隔的白色：

然后您可以使用cv2.findContours() 搜索您的轮廓，然后仅绘制符合您尺寸标准的轮廓。您可以使用cv2.contourArea() 获取轮廓的大小。那些轮廓就是你的盒子。干杯！

示例代码：

import cv2

img = cv2.imread('table.png')
resize = cv2.resize(img, None, fx=0.3, fy=0.3, interpolation = cv2.INTER_CUBIC)
gray = cv2.cvtColor(resize, cv2.COLOR_BGR2GRAY)
_,thresh = cv2.threshold(gray,50,255,cv2.THRESH_BINARY_INV)
_, contours, _ = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)

for cnt in contours:
    size = cv2.contourArea(cnt)
    if 100 < size < 30000:
        cv2.drawContours(resize, [cnt], 0, (0,255,0), 1)

cv2.imshow('img', resize)

结果：

【讨论】：

【解决方案2】：

由于您的输入图像是倒置的，因此请使用“dilate”和合适的结构元素来放大极值区域，然后应用 MSER。

【讨论】：

【解决方案3】：

您可以使用 opencv 提供的cv2.findContours() 函数。您可以通过here 使用他们的教程来了解更多信息。干杯。

【讨论】：

【解决方案4】：

我认为您可以使用像素模式来识别框。作为示例，遍历图像中的每个像素，当你得到一个白色像素时，然后找出 x 轴和 y 轴上的下一个像素颜色。如果两者都是白色，则将该像素视为框的第一个像素。然后取 x 轴的下一个像素并找到 y 轴像素。如果它是白色的，那么你可以到达盒子的另一个角落。如果像素不是白色，则考虑下一个 x 轴像素。当你在角落时，找到下一个 y 轴像素，直到你到达角落。当您在第三个角落时，请考虑前一个 x 像素。然后找到前一个 x 像素，直到到达第四个角。然后您可以通过四个角的像素坐标保存框。我认为这更准确。但它既费时又复杂。但它可能是新算法。（这仅在框是直线时才有效）

【讨论】：