Question

我正在尝试细分名片并按照背景颜色对其进行分割，以将其视为不同的感兴趣区域。

例如这种卡片： Sample business card

应该可以分为两个图像，因为有2种背景颜色。有没有关于如何解决这个问题的建议？我试过做一些轮廓分析并没有太成功。

其他示例卡片： enter image description here

此卡应该提供3个分段，因为有三个部分，即使它只有2种颜色（虽然2种颜色可以）。

enter image description here

上面的卡片应该只提供一个分割，因为它只是一种背景色。

我还没想到渐变背景。

Answer 1

这取决于其他卡片的外观，但如果图像质量都很好，那就不应该太难了。

在您发布的示例中，您可以只收集边框像素的颜色（大多数左列，最右列，第一行，最后一行）并将您找到的内容视为可能的背景颜色。也许检查是否有足够多的像素具有大致相同的颜色。你需要某种距离测量。一个简单的解决方案是在RGB颜色空间中使用欧氏距离。

更通用的解决方案是在整个图像的颜色直方图中找到聚类，并将具有超过总像素量的x％的每种颜色（再次具有公差）视为背景颜色。但是你定义的背景取决于你想要达到的目的以及你的图像看起来如何。

如果您需要进一步的建议，可以发布更多图像并标记您想要检测的图像部分作为背景颜色，而不是什么。

-

编辑：您的两个新图像也显示相同的图案。背景颜色占据了图像的很大一部分，没有噪声，也没有颜色渐变。所以一个简单的方法可能如下所示：

计算图片的直方图：参见http://docs.opencv.org/modules/imgproc/doc/histograms.html#calchist和http://docs.opencv.org/doc/tutorials/imgproc/histograms/histogram_calculation/histogram_calculation.html
找到直方图中最突出的颜色。如果您不想自己迭代Mat，可以使用minMaxLoc（http://docs.opencv.org/modules/core/doc/operations_on_arrays.html#minmaxloc），如calchist文档中所示（见上文），如果颜色占用了像素数的足够百分比，则将其保存并设置根据bin在直方图中为零。重复，直到不再达到您的百分比。然后，您将保存一份最突出的颜色，背景颜色列表。
为每种背景颜色阈值图像。请参阅：http://docs.opencv.org/doc/tutorials/imgproc/threshold/threshold.html
在生成的螺纹保持图像上找到每种背景颜色的相应区域。请参阅：http://docs.opencv.org/doc/tutorials/imgproc/shapedescriptors/find_contours/find_contours.html

如果您的示例无法使用此方法，请发布它们。

Answer 2

作为一种方法，也可以使用canny找到颜色渐变的背景。下面的代码（是的，不是android，我知道，但如果你移植它的结果应该是相同的）与你目前发布的三个示例图像一起正常工作。如果您有其他图片，但不能使用此图片，请告诉我们。

#include <opencv2/opencv.hpp>

using namespace cv;
using namespace std;

Mat src;
Mat src_gray;
int canny_thresh = 100;
int max_canny_thresh = 255;
int size_per_mill = 120;
int max_size_per_mill = 1000;
RNG rng(12345);

bool cmp_contour_area_less(const vector<Point>& lhs, const vector<Point>& rhs)
{
    return contourArea(lhs) < contourArea(rhs);
}

void Segment()
{
    Mat canny_output;
    vector<vector<Point> > contours;
    vector<Vec4i> hierarchy;

    Canny(src_gray, canny_output, canny_thresh, canny_thresh*2, 3);

    // Draw rectangle around canny image to also get regions touching the edges.
    rectangle(canny_output, Point(1, 1), Point(src.cols-2, src.rows-2), Scalar(255));
    namedWindow("Canny", CV_WINDOW_AUTOSIZE);
    imshow("Canny", canny_output);

    // Find the contours.
    findContours(canny_output, contours, hierarchy, CV_RETR_TREE, CV_CHAIN_APPROX_SIMPLE, Point(0, 0));

    // Remove largest Contour, because it represents always the whole image.
    sort(contours.begin(), contours.end(), cmp_contour_area_less);
    contours.resize(contours.size()-1);
    reverse(contours.begin(), contours.end());

    // Maximum contour size.
    int image_pixels(src.cols * src.rows);
    cout << "image_pixels: " << image_pixels << "\n";

    // Filter the contours, leaving just large enough ones.
    vector<vector<Point> > background_contours;
    for(size_t i(0); i < contours.size(); ++i)
    {
        double area(contourArea(contours[i]));
        double min_size((size_per_mill / 1000.0) * image_pixels);
        if (area >= min_size)
        {
            cout << "Background contour " << i << ") area: " << area << "\n";
            background_contours.push_back(contours[i]);
        }
    }

    // Draw large contours.
    Mat drawing = Mat::zeros(canny_output.size(), CV_8UC3);
    for(size_t i(0); i < background_contours.size(); ++i)
    {
        Scalar color = Scalar(rng.uniform(0, 255), rng.uniform(0,255), rng.uniform(0,255));
        drawContours(drawing, background_contours, i, color, 1, 8, hierarchy, 0, Point());
    }

    namedWindow("Contours", CV_WINDOW_AUTOSIZE);
    imshow("Contours", drawing);
}

void size_callback(int, void*)
{
    Segment();
}

void thresh_callback(int, void*)
{
    Segment();   
}

int main(int argc, char* argv[])
{
    if (argc != 2)
    {
        cout << "Please provide an image file.\n";
        return -1;
    }

    src = imread(argv[1]);

    cvtColor(src, src_gray, CV_BGR2GRAY);
    blur(src_gray, src_gray, Size(3,3));

    namedWindow("Source", CV_WINDOW_AUTOSIZE);
    imshow("Source", src);

    if (!src.data)
    {
        cout << "Unable to load " << argv[1] << ".\n";
        return -2;
    }

    createTrackbar("Canny thresh:", "Source", &canny_thresh, max_canny_thresh, thresh_callback);
    createTrackbar("Size thresh:", "Source", &size_per_mill, max_size_per_mill, thresh_callback);

    Segment();
    waitKey(0);
}

按背景颜色分割图像 - OpenCV Android

2 个答案: