Question

我知道我的问题听起来有些通用，但是我读了很多博客和有关此问题的问题，但仍然找不到能够与我尝试做的事情接近的解决方案。我有随附的示例IG屏幕截图。我的目标是获取以绿色突出显示的元素的坐标。 Canny edge似乎没有任何作用（另请参见https://opencv-python-tutroals.readthedocs.io/en/latest/py_tutorials/py_imgproc/py_canny/py_canny.html）。我读到Houg Transform可以提供帮助（https://pysource.com/2018/03/07/lines-detection-with-hough-transform-opencv-3-4-with-python-3-tutorial-21/），但仍然没有运气。我需要的只是一种获取这些部分并获取其坐标的方法。如果有人可以简单地指出我哪些技术可以帮助我，那将会有所帮助。

Answer 1

你好，我想你可以做下一个：

由于您已经真正确定了边界矩形的颜色，因此可以从该图像中提取该颜色到另一幅图像（image_green）中。
现在，一旦您将image_green二进制化（image_bin），即。创建一个具有两种颜色的数组，分别是提取的一种和前景。
1. 对image_bin矩阵进行遍历，找到所有“角”，它们是所有image_bin[i:i+2,j]/max(image_bin.flatten()) == [1,0]（列）和j（行）。
2. 存储此坐标（i）。正如我之前提到的，这些值代表矩形的2个角：左上角和右下角。

此方法是使用numpy数组完成的，因此您可能会想像需要在第3步之前将图像转换为数组。如果仍然遇到问题，请告诉我，只要有空闲时间，我都会发布可以做到这一点的代码。

祝你好运！

Answer 2

假设它们在实际数据中不是绿色！

标准方法是边缘检测（canny或adaptiveThreshold），然后轮廓。使用approxPolyDP简化轮廓，然后在轮廓列表中搜索长度和形状正确的边。

提示：使用cv2.minAreaRect()检查可能是盒子大小/形状/对齐方式的轮廓

您可以使用概率Hough来找到线段，但是由于源图像非常干净，因此仅通过轮廓看就容易了

Answer 3

这种边界检测可以使用普通的 Canny 边缘检测器来完成。我们只需要在应用 Canny 之前锐化图像。

代码如下：

RawQuery