如何在图像中的点周围绘制正方形

Question

我有一个带有白点的二进制图像。如何使用OpenCV识别并在这些点周围绘制正方形？

问题在于这些点非常小，到目前为止，所有尝试都未能找到所有点。

这是输入图像：

这是我感兴趣的结果：

是否可以使用OpenCV功能？ 如果不是，（由于大小），最有效的方法是什么？

Answer 1

1. 在尺寸为5的图像上应用dilate。

2. 如果点之间的距离<10，则将它们连接成一个大的 点。

3. 如果距离> 10，则将按原样分隔。

4. Find contours上的结果。

5. 获取每个轮廓的minAreaRect。

6. 完成。

Answer 2

使用以下方法可以找到解决方案。

解决方案的完整代码：

import cv2
import numpy as np
img = cv2.imread('test.jpg', 0)
output_img = img.copy()
cv2.threshold(img,0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU,img)

kernel = np.ones((50,70), np.uint8)
img = cv2.dilate(img, kernel, iterations=1)


im2,contours, hier = cv2.findContours(img.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
for c in contours:
    # get the bounding rect
    x, y, w, h = cv2.boundingRect(c)
    # draw a white rectangle to visualize the bounding rect
    cv2.rectangle(output_img, (x, y), (x + w, y + h), 255, 1)

cv2.imshow('output',output_img)
cv2.waitKey(0)

• 首先，您必须根据需要创建一个内核。

• 更大的内核大小，属于群集的点将更高。

• 然后使用cv2.dilate方法，您应该使用 创建的内核。

• 之后，您应该找到膨胀图像的轮廓并获得 这些轮廓的边界矩形。

• 一个矩形可以视为一个群集。 您可以使用kernel = np.ones((50,70), np.uint8)更改群集大小，此处为50 x 70。

输出：