Question

在应用cv morph变换后，我得到了以下binay图像：

如您所见，中间有一个大矩形，右边有一个较紧的矩形。我想知道哪一种是识别并裁剪右侧矩形的好方法，以实现这样的目标：

谢谢

Answer 1

经过一些搜索，我最终找到了可能的解决方案。关键问题是执行正确的图像预处理以获得实线（与问题中的图像相反：我们需要没有间隙的线）。

此帖子挽救了生命：Gap Filling Contours / Lines。就我而言，dimKernel = 50，thBin = 160，thDistTrans = 0.07

def preprocessing(imm,dimKernel,thBin,thDistTrans):
  grayImage = cv.cvtColor(imm, cv.COLOR_BGR2GRAY)
  ret,binImage=cv.threshold(grayImage,thBin,255,cv.THRESH_BINARY_INV)

  structVerticale = kernelVerticale(dimKernel,1)
  im1 = cv.morphologyEx(binImage, cv.MORPH_OPEN, structVerticale)
  structOrizzontale = kernelOrizzontale(dimKernel,3)
  im2 = cv.morphologyEx(binImage, cv.MORPH_OPEN, structOrizzontale)

  result = overlaps(im1,im2)  
  out = ndi.distance_transform_edt(np.invert(result))
  out = out < thDistTrans * out.max()
  out = morphology.skeletonize(out)

  out = (out.astype(int)*255).astype("uint8")
  kernel = np.ones((3,3),np.uint8)
  out = cv.dilate(out,kernel)

  return out

然后，我需要使用cv.findContours确定正确的矩形；根据经验证据，我知道可以使用区域（从原始区域图像的1/6到1/3）来识别我要查找的直肠。最后，轮廓已使用cv.boundingRect近似裁剪为矩形，然后进行裁剪：

contours, hierarchy = cv.findContours(ris,cv.RETR_CCOMP , cv.CHAIN_APPROX_SIMPLE)
hierarchy = hierarchy[0]

aree = []
for i,figura in enumerate(contours):
    area = cv.contourArea(figura)
    aree.append([area,i])
aree.sort(reverse=True)

areaMax = (ris.shape[0]*ris.shape[1])/3
areaMin = (ris.shape[0]*ris.shape[1])/6

i = 0
while i<len(aree) and (aree[i][0]<areaMin or aree[i][0]>areaMax):
    i+=1

cnt = contours[aree[i][1]]
x,y,w,h = cv.boundingRect(cnt)

immOrg = immOrg.crop((x, y, x+w, y+h))

我确定这个解决方案远非最佳解决方案，因为我是一名业余程序员，我以前从未使用过cv，但希望能对某人有所帮助

OCR，识别和裁剪矩形

1 个答案: