使用 cv2 和 Python 在图像中进行对象检测

Question

我有这张图片

我有兴趣在此图像中找到对象（即点）并在每个对象周围绘制一个矩形。我开始知道cv2 并发现这很容易做到。所以到目前为止，我已经通过一些快速的谷歌搜索编写了以下代码：

import numpy as np
import matplotlib.pyplot as plt
import cv2 

print( cv2.__version__ )

# source data
img_file= "data1.png"

# create an OpenCV image
img= cv2.imread(img_file)

plt.imshow(img, cmap='gray')

# Define the classifiers

# pre-trained classifiers 
Point_classifier="haarcascade_eye.xml"   

# convert color image to grey image

gray_img=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

# CREATE TRACKER

point_tracker=cv2.CascadeClassifier(Point_classifier)

# detect points
points= point_tracker.detectMultiScale(gray_img)
print(points)

Here I used `haarcascade_eye.xml` it looks similar to the point feature of the image, Is this correct? or do I need to use another classifier for this object?

但结果并不如预期。我期待像这样的图，其中每个点都应单独标记为矩形。

对此或我在代码中出错的地方有任何帮助。提前致谢。

Answer 1

haarcascade_eye.xml 用于检测人眼。左眼和右眼甚至还有单独的。不要使用它。

您的代码行 points= point_tracker.detectMultiScale(gray_img) 失败，因为在您的图像中未检测到眼睛。在这种情况下，您应该使用 SimpleBlobDetector。在SimpleBlobDetector中，您可以根据您的要求过滤阈值、面积、圆度、凸度、惯性等。我试过了，但我的内核一直在死机，也许是因为它是一个大图像。试试小一点的。

但我们可以尝试其他方法 - 我找到了轮廓，然后根据面积对其进行过滤以避免小点。

import matplotlib.pyplot as plt
import cv2 

# source data
img_file= "data1.jpg"

# create an OpenCV image
img= cv2.imread(img_file)

# convert color image to grey image
gray_img=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

im_gauss = cv2.GaussianBlur(gray_img, (5, 5), 0)
ret, thresh = cv2.threshold(im_gauss, 127, 255, 0)
# get contours
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

margin = 40
# calculate area and filter 
for con in contours:
    area = cv2.contourArea(con)
    if 100 < area < 500:
        x,y,w,h = cv2.boundingRect(con)
        cv2.rectangle(img, (x-margin, y-margin), (x + w+margin, y + h+margin), (0,255,0), 2)
        
plt.imshow(img, cmap='gray')

如果您想将 3-4 个点组合为一个 - 您可以尝试：

1- 当边界框重叠时创建一个大边界框。

2- 闭合操作 - 在找到轮廓之前（先膨胀后腐蚀）。