我正在使用OpenCV将边界框放在手写的数学方程输入上。目前,我的代码有时会在单个图像的不同部分周围放置多个较小的边框,而不是在图像周围创建一个较大的框。我不确定为什么会这样。我当前用于过滤图像并找到轮廓以绘制边界框的代码如下:

    img = cv2.imread(imgpath)

    morph = img.copy()
    morph = cv2.fastNlMeansDenoising(img)

    kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (1, 1))
    morph = cv2.morphologyEx(morph, cv2.MORPH_CLOSE, kernel)
    morph = cv2.morphologyEx(morph, cv2.MORPH_OPEN, kernel)

    kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 15))

    # take morphological gradient
    gradient_image = cv2.morphologyEx(morph, cv2.MORPH_GRADIENT, kernel)

    gray = cv2.cvtColor(gradient_image, cv2.COLOR_BGR2GRAY)

    img_grey = cv2.morphologyEx(gray, cv2.MORPH_CLOSE, kernel)

    blur = cv2.medianBlur(img_grey,3)


    ret, thing = cv2.threshold(blur, 0.0, 255.0, cv2.THRESH_BINARY + cv2.THRESH_OTSU)

    img_dilation = cv2.dilate(thing, kernel, iterations=3)


    conturs_lst = cv2.findContours(img_dilation, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[-2]

实际结果的示例如下:

python - OpenCV检测带有多个边界框的单个符号-LMLPHP

OG图片:

python - OpenCV检测带有多个边界框的单个符号-LMLPHP

最佳答案

您的想法正确,但我认为您过度使用了cv2.morphologyEx来不断侵 eclipse 和扩大图像。您提到您的问题:



当您使用cv2.findContours时,它可以正常工作,但是由于轮廓实际上是斑点,而不是一个互连的奇异图像,因此它会创建多个边界框。要解决此问题,您可以扩大图像以将斑点连接在一起。

我重写了您的代码,没有多余的cv2.morphologyEx重复。主要思想如下:

  • 将图像转换为灰度
  • 模糊图像
  • 阈值图像将背景与所需对象
  • 分开
  • 扩展图像以连接斑点以形成奇异图像
  • 使用阈值最小/最大面积找到轮廓并过滤轮廓

  • 阈值图像可隔离所需部分。请注意,某些轮廓的连接断开。为了解决这个问题,我们将图像放大以连接斑点。

    python - OpenCV检测带有多个边界框的单个符号-LMLPHP

    扩张图像以形成奇异对象。现在注意,我们在底部有不需要的水平部分,我们可以找到轮廓,然后使用区域进行过滤以删除该部分。

    python - OpenCV检测带有多个边界框的单个符号-LMLPHP

    结果

    python - OpenCV检测带有多个边界框的单个符号-LMLPHP

    python - OpenCV检测带有多个边界框的单个符号-LMLPHP
    import numpy as np
    import cv2
    
    original_image = cv2.imread("1.jpg")
    image = original_image.copy()
    
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    blurred = cv2.GaussianBlur(gray, (3, 3), 0)
    thresh = cv2.threshold(blurred, 160, 255, cv2.THRESH_BINARY_INV)[1]
    kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3,3))
    dilate = cv2.dilate(thresh, kernel , iterations=4)
    
    cv2.imshow("thresh", thresh)
    cv2.imshow("dilate", dilate)
    
    # Find contours in the image
    cnts = cv2.findContours(dilate.copy(), cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
    cnts = cnts[0] if len(cnts) == 2 else cnts[1]
    
    contours = []
    
    threshold_min_area = 400
    threshold_max_area = 3000
    
    for c in cnts:
        x,y,w,h = cv2.boundingRect(c)
        area = cv2.contourArea(c)
        if area > threshold_min_area and area < threshold_max_area:
            # cv2.drawContours(original_image,[c], 0, (0,255,0), 3)
            cv2.rectangle(original_image, (x,y), (x+w, y+h), (0,255,0),1)
            contours.append(c)
    
    cv2.imshow("detected", original_image)
    print('contours detected: {}'.format(len(contours)))
    cv2.waitKey(0)
    

    10-06 11:16
    查看更多