C++ OpenCV：忽略类似文本的轮廓

背景

我想检测包含2D几何形状的图像中的所有轮廓，但去掉任何看起来像文本的东西

输入示例：

我试图通过Tesseract检测文本区域，然后删除这些文本区域。对于一些OCR识别良好的图像，这种方法效果很好，因此可以以相当好的速度识别文本区域，然后可以删除已识别文本的轮廓。但是对于大多数图像，文本没有被很好地识别，因此我无法从图像中删除不相关的文本轮廓

---

因此，我的问题是：如何区分文本状轮廓和二维“几何”轮廓

如果您不关心文本，只想删除它，那么您可以通过将

RETR\u EXTERNAL

作为模式参数传递给

findcontours（）

函数来检测外部轮廓。这将为您提供最外层的轮廓，并忽略几何图形中包含的任何内容

或者，如果需要更多控制，可以将mode参数作为RETR_TREE传递，然后遍历树，只保留顶层轮廓，忽略层次结构中低于该级别的任何内容。这样你会得到一切，你可以决定以后你想要保留什么和你想要忽略什么

阅读OpenCV文档，了解有关

findcontours（）

如何表示层次结构的信息（该页面来自python教程，但它的通用性足以让人理解）

---

当然，只有当图像看起来总是与您在问题中给出的示例相似时，这才有效-即文本总是在几何形状内部。如果形状之外有文本，则可能可以查看轮廓（边界矩形）的大小，忽略低于某个阈值的任何内容（假设文本轮廓将比几何图形小得多）。

根据示例，属于文本的轮廓也代表一个区域。因此，您可以尝试使用区域属性来消除一些不需要的区域（文本轮廓！），我建议您可以使用一些属性，如偏心率、坚固性或紧凑性（您可以在这里找到代码示例： )

---

例如：规则形状和其他形状可以通过使用紧致性值来区分，或者您可以组合任何其他属性

我意识到我应该给出一个更好的示例。不幸的是，这不起作用，因为我不知道嵌套级别。例如，我有一个相邻的矩形，它创建了一个外部矩形（我也需要优化），文本可以出现在任何嵌套深度。编辑：我也考虑过比较区域大小，但我希望有更复杂的东西，因为etxt也可以是任何大小。那么，可能是这两种方法的组合？使用RETR_树，然后在边界矩形区域的差异大于x%的较大轮廓内查找一组（两个或更多）小轮廓？我不知道，只是抛出一些想法。我只是觉得尝试用OCR识别文本是过分的，因为你不在乎文本的内容，只想过滤掉那些不属于形状的东西。文本总是某种颜色，还是一组有限的颜色？也许寻找被另一种颜色包围的黑色或白色像素组？或者可能首先对图像应用高斯模糊？如果足够模糊，文本可能变得足够模糊，以至于

findcontours（）

找不到它，那么它只会给出几何图形？只是另一个想法…谢谢你的意见。我将进行更多的实验，并尝试模糊。