OpenCV找到圆圈和位置值Python的颜色

Question

我正在尝试做的是处理下面的考勤表，告诉我谁在那里，谁不在

我目前正在使用matchTemplate使用一个奇异的黑点，它找到所有填充的点（图像首先转换为灰度）。图片

然后我操纵matchPattern数组并大致得到每个y方向的中心，我可以看到哪里有与缺少学生相对应的空隙。

我遇到的问题是确保这种方法能够完美输入，但我的目标是能够拍摄实际纸张并处理它吗？ 注意：考勤表由我制作，因此可以根据需要进行更改/修改。

我附上了一个示例图片，以便在下面看到。 使用我当前的方法只是一场灾难（见下文）。现在我不知道从哪里开始我尝试修改阈值但过去.65它找不到任何图像。

import cv2
import numpy as np
from matplotlib import pyplot as plt

values = []
img_rgb = cv2.imread('/home/user/Downloads/input.png')
img_gray = cv2.cvtColor(img_rgb, cv2.COLOR_BGR2GRAY)
template = cv2.imread('/home/user/Downloads/input_2.png',0)
w, h = template.shape[::-1]

res = cv2.matchTemplate(img_gray,template,cv2.TM_CCOEFF_NORMED)
threshold = 0.6
loc = np.where( res >= threshold)
for pt in zip(*loc[::-1]):
  cv2.rectangle(img_rgb, pt, (pt[0] + w, pt[1] + h), (0,0,255), 2)
  values.append(pt[1]+h/2)

cv2.imwrite('output.png',img_rgb)
values.sort()
pivot = values[0]
count = 1
total = values[0]
cleaned = []

for x in range(1,len(values)):
  if(values[x] < pivot+20):
    pivot = values[x]
    count = count + 1
    total = total + values[x]
  else:
    print values[x]
    cleaned.append(int(total/count))
    pivot = values[x]
    count = 1
    total = values[x]

  if x == len(values)-1:
    cleaned.append(int(total/count))
print values
print cleaned

这是另一个测试图像：

Answer 1

通常，在分析纸张形式时，边缘和表格角上的特殊标记用于识别有意义部分的比例和方向。例如，您可以在表单的边框上打印几个小方块，使用相同的cv2.matchTemplate找到它们，从而定义感兴趣的区域。

很可能您的表单不会被完美捕获（例如，它们可能会被缩放，旋转或透视），因此您还需要对输入进行标准化。您可以使用perspective or affine transformations。

您可能还希望使用直方图均衡，去噪和其他技术来增强图像。

此时你应该有完全标准化的图像，它更接近“完美输入”。您可以在此输入上试用您的算法，但也有更简单的方法（AFAIK，类似的东西在实际应用程序中用于自动表单分析）。

您的表单有固定的布局，您已经知道它的角落。那么为什么不计算表格中每个有趣部分的位置呢？例如。在下图中，我在表格的角落放置了4个黑色地标。在标准化图像中，虚线区域的位置始终相对于这些标记相同。

找出学生是否参加讲座就像将虚线区域划分为固定的方形区域（每个学生一个）一样简单，将该区域中的像素值相加并将该值与预定阈值进行比较。具有较低值的区域倾向于比白色更黑（学生参加讲座），而具有高值的区域很可能是白色的（学生不在）。

所以，总结一下：

1. 使用地标定义纸张的边角。
2. 针对这些地标标准化图像。
3. 如果需要，可以增强图像。
4. 计算感兴趣区域的位置。
5. 确定区域是否更可能是黑色的白色。

Answer 2

以下是如何使用相当简单的方法识别点的示例：

from skimage import io, color, filter, morphology, feature, img_as_float
from skimage.morphology import disk

image = io.imread('dots.jpg')

# Remove blue channel
bw = image.copy()
bw[..., 2] = 0

bw = 1 - img_as_float(color.rgb2gray(image))

big_mask = 150
small_mask = 10
min_dist = 50

bw = filter.rank.threshold_percentile(bw, disk(big_mask), p0=0.95)
bw = morphology.erosion(bw, disk(small_mask))

peaks = feature.corner_peaks(bw, min_distance=min_dist, indices=True)

import matplotlib.pyplot as plt
f, (ax0, ax1) = plt.subplots(1, 2)

ax0.imshow(image, cmap=plt.cm.gray)
ax1.imshow(bw, cmap=plt.cm.gray)
ax0.scatter(peaks[:, 1], peaks[:, 0], c='red', s=30)

plt.show()