使用opencv-python
,我试图在与此类似的图像中找到dot
字符的位置:
此处设置的 42 个图像可以在此处找到:/image/4ezTX.jpg - 可以批量下载
我无法创建一个能够一致地找到这些类型图像中的大多数点的 opencv 检测器,无论在单个图像上如何工作(具有某些参数的 Blob 检测器),通常在其他图像上都会失败。
我的大部分尝试都是围绕使用 SimpleBlobDetector
这是正确的方法吗?
opencv 不是完成该任务的正确工具吗? (我需要一个现成的工具,目前无法训练神经网络)
感谢您的帮助。
最佳答案
这里有一个使用阈值+轮廓过滤的简单方法,而不是使用SimpleBlobDetector
:
- 将图像转为灰度图,然后使用Otsu阈值得到二值图像
- 进行形态学开运算以去除小噪声
- 查找轮廓并使用轮廓区域进行过滤
这是您的一些图像的结果。小数点以绿色突出显示
代码
import cv2
import numpy as np
image = cv2.imread('3.jpg')
original = image.copy()
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)[1]
kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (3,3))
opening = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, kernel, iterations=2)
cnts = cv2.findContours(opening, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]
for c in cnts:
area = cv2.contourArea(c)
print(area)
if area < 200:
cv2.drawContours(original, [c], -1, (36,255,12), -1)
cv2.imshow('thresh', thresh)
cv2.imshow('opening', opening)
cv2.imshow('original', original)
cv2.waitKey()
<小时/>
注意:如果图像仅包含数字且不包含其他伪影,则此方法可以很好地工作。替代方法包括:
- 霍夫圆变换已实现为
cv2.HoughCircles()
。缺点是该函数有大量参数,并且通常仅适用于“完美”圆。由于您的图像具有非完美圆形的小数点,因此您可能无法获得一致的结果,并且可能会出现误报。 - 使用
cv2.arcLength()
和cv2.approxPolyDP()
进行轮廓近似,其中使用 Ramer-Douglas-Peucker算法,也称为分割合并算法。这个想法是曲线可以通过一系列短线段来近似。为此,我们计算轮廓的周长,然后根据顶点数量近似轮廓的形状。看看this举个例子。
关于python - 使用 OpenCV 检测小数点,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/59079447/