使用opencv从图像中检测框

Question

我需要使用opencv在下面的图像中找到框。我尝试过使用mser，但我没有得到任何好结果。

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：

Answer 1

由于您的输入图像是反转的，因此请使用“dilate”和合适的结构元素来扩大极值区域，然后应用MSER。

Answer 2

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

Answer 3

您可以对图像进行阈值处理并反转白色和黑色像素，这样您的盒子就会用黑色线条分隔白色：

然后，您可以使用cv2.findContours()搜索轮廓，然后仅绘制符合您尺寸标准的轮廓。你可以用cv2.contourArea()获得轮廓的大小。那些轮廓是你的盒子。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：

Answer 4

我认为你可以使用像素模式来识别盒子。通过示例遍历图像中的每个像素，当您获得白色像素时，然后在x轴和y轴上找到下一个像素颜色。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，找到y轴像素。如果它是白色的话你就到达了盒子的另一个角落。如果像素不是白色，则考虑下一个x轴像素。当你在角落时，然后找到下一个y轴像素，直到你到达角落。当你在第三个角落时考虑前一个x像素。然后找到前一个x像素，直到到达第四个角落。然后你可以按四个角的像素坐标保存框。我认为这更准确。但它耗时且复杂。但它可能是新算法。 （仅当盒子是直线时才有效）