如何在Python中使用OpenCV找到图片上最大的矩形？

Question

我正在进行一个基于字母和数字分类的学校项目，因为我一直在使用卷积神经网络。申请将是对付款单上的一些数据的识别。但是，为了从付款单中提取数据，我需要先识别它。它是一个矩形对象，我需要得到它的精确边界框。我将扫描这些付款单，背景将始终为白色。 所以我的问题是我知道如何用CNN-s检测字母，数字，但我不知道在Python中使用OpenCV。我听说使用OpenCV检测矩形非常容易，我已经尝试了StackOverflow的一些代码，但它们大多给了我整张纸作为我不需要的边界框。我只需要最大的红色矩形（UNIVERZALNI NALOGZABPENĆANJE下面的那个）。我真的很抱歉我没有为此问题编写任何代码，但我真的不知道这些方法在OpenCV中做了什么，如果我开始学习OpenCV，那将花费一些时间，不幸的是我不会有....如果有人至少有一些帮助我会非常感激

这是我真正想要的结果，但直到现在才开始管理。

Answer 1

<强>声明

我将为您提供最简单的（至少我认为的）解决方案。

在您完全理解之后，您可以继续部署更高级的东西。我的答案是作为指南，你负责代码。

编辑I：

抱歉，我错过了一个观点。您希望首先对图像进行灰度。

此问题最常见的初始阶段是cleaning out the noise。根据您的应用程序，这可以是一个可选的初始阶段。您可以执行不同的操作来帮助您摆脱不必要的操作。

此后，您可以find the edges获得噪音较小的图片。这有助于我们看到图像的轮廓。

从这里开始，我们在边缘图像中开始looking for contours。

现在，我们已经获得了轮廓，现在是时候对它们进行this和/或this分析，看看我们是否可以确定我们想要的那个。

最简单的初始分析可以是删除/忽略面积小于某个阈值的轮廓。一旦你观察了结果，就可以继续将该区域与其他像长宽比结合起来，看看你得到了什么。

经过一些试验和错误，我们设法隔离了所需的轮廓，你可以继续在它周围绘制一个边界矩形。

两分钱：

就像CNN模型创建一样，图像处理是一个反复试验的任务。对于我上面列出的每种不同的方法，你必须尝试不同的参数，看看哪一个有意义。

您可以使用其他替代方案。说而不是寻找边缘，也许您可​​以在灰度缩放后立即尝试thresholding the image或smooth out the image。

欢呼，快乐的编码：）