Я рекомендую следующие шаги:
threshold()
изображение
dilate()
изображение — это удалит черную линию, разделяющую верхнюю и нижнюю части, а также более темные артефакты в нижней части
findContours()
с помощью настройки для извлечения только внешних контуров(RETR_EXTERNAL
) и упрощения выход (CHAIN_APPROX_SIMPLE
)
- обработайте контуры дальше
Шаг 1: порог
# threshold image
ret,thresh = cv2.threshold(img,127,255,0)
cv2.imshow('threshold ',thresh)
Шаг 2: расширение
# dilate thresholded image - merges top/bottom
kernel = np.ones((3,3), np.uint8)
dilated = cv2.dilate(thresh, kernel, iterations=3)
cv2.imshow('threshold dilated',dilated)
Шаг 3. Найдите контуры
# find contours
contours, hierarchy = cv2.findContours(dilated,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)
cv2.drawContours(img, contours, 0, (255,255,255), 3)
print "contours:",len(contours)
print "largest contour has ",len(contours[0]),"points"
Обратите внимание, что сначала расширение, а затем использование простых внешних контуров дает вам нужную форму, но это все еще довольно сложно (содержит 279 точек).
С этого момента вы можете продолжать обрабатывать контурные объекты. Есть несколько доступных вариантов, таких как:
a: получение мин. прямоугольник области
# minAreaRect
rect = cv2.minAreaRect(contours[0])
box = cv2.cv.BoxPoints(rect)
box = np.int0(box)
cv2.drawContours(img,[box],0,(255,255,255),3)
Может быть полезно, но не совсем то, что вам нужно.
b: выпуклая оболочка
# convexHull
hull = cv2.convexHull(contours[0])
cv2.drawContours(img, [hull], 0, (255,255,255), 3)
print "convex hull has ",len(hull),"points"
Лучше, но у вас все еще есть 22 точки, и это не так сложно, как могло бы быть.
c: упростить контуры
# simplify contours
epsilon = 0.1*cv2.arcLength(contours[0],True)
approx = cv2.approxPolyDP(contours[0],epsilon,True)
cv2.drawContours(img, [approx], 0, (255,255,255), 3)
print "simplified contour has",len(approx),"points"
Вероятно, это то, что вам нужно: всего 4 балла. Вы можете поиграть со значением эпсилон, если вам нужно больше очков.
Имейте в виду, теперь у вас есть четырехугольник, но картинка сплющена: нет информации о перспективе/3D-повороте.
Полный листинг кода OpenCV Python (комментируйте/раскомментируйте по мере необходимости, используйте ссылку для адаптации к С++/java/и т. д.):
import numpy as np
import cv2
img = cv2.imread('XwzWQ.png',0)
# threshold image
ret,thresh = cv2.threshold(img,127,255,0)
cv2.imshow('threshold ',thresh)
# dilate thresholded image - merges top/bottom
kernel = np.ones((3,3), np.uint8)
dilated = cv2.dilate(thresh, kernel, iterations=3)
cv2.imshow('threshold dilated',dilated)
# find contours
contours, hierarchy = cv2.findContours(dilated,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)
# cv2.drawContours(img, contours, 0, (255,255,255), 3)
print "contours:",len(contours)
print "largest contour has ",len(contours[0]),"points"
# minAreaRect
# rect = cv2.minAreaRect(contours[0])
# box = cv2.cv.BoxPoints(rect)
# box = np.int0(box)
# cv2.drawContours(img,[box],0,(255,255,255),3)
# convexHull
# hull = cv2.convexHull(contours[0])
# cv2.drawContours(img, [hull], 0, (255,255,255), 3)
# print "convex hull has ",len(hull),"points"
# simplify contours
epsilon = 0.1*cv2.arcLength(contours[0],True)
approx = cv2.approxPolyDP(contours[0],epsilon,True)
cv2.drawContours(img, [approx], 0, (255,255,255), 3)
print "simplified contour has",len(approx),"points"
# display output
cv2.imshow('image',img)
cv2.waitKey(0)
cv2.destroyAllWindows()
person
George Profenza
schedule
14.12.2016