opencv python使用APROXPOLYDP在植物托盘中查找正方形

我试图在这样一张图像中识别托盘中设备井的边界：

当我运行阈值处理时，图像如下所示：

但是，当我尝试在原始图像上绘制轮廓时，输出是不完整的。我相信这个图像足够清晰，可以很好地工作，但我找不到哪里出了问题。这是我的密码：

def angle_cos(p0, p1, p2):
    d1, d2 = (p0-p1).astype('float'), (p2-p1).astype('float')
    return abs( np.dot(d1, d2) / np.sqrt( np.dot(d1, d1)*np.dot(d2, d2) ) )
def find_squares(img):
    img = cv2.GaussianBlur(img, (5, 5), 0)
    squares = []
    for gray in cv2.split(img):
        for thrs in range(0, 255, 26):
            if thrs == 0:
                bina = cv2.Canny(gray, 0, 50, apertureSize=5)
                bina = cv2.dilate(bina, None)
            else:
                _retval, bina = cv2.threshold(gray, thrs, 255, cv2.THRESH_BINARY)
            contours = cv2.findContours(bina, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)
            for cnt in contours[1]:
                cnt_len = cv2.arcLength(cnt, True)
                cnt = cv2.approxPolyDP(cnt, 0.02*cnt_len, True)
                if len(cnt) == 4 and cv2.contourArea(cnt) > 1000 and cv2.isContourConvex(cnt):
                    cnt = cnt.reshape(-1, 2)
                    max_cos = np.max([angle_cos( cnt[i], cnt[(i+1) % 4], cnt[(i+2) % 4] ) for i in range(4)])
                    if max_cos < 0.1:
                        squares.append(cnt)
     return squares
squares = find_squares(ct2)
newim = cv2.drawContours(dupimage, squares, -1, (0, 0, 255), 3)
plt.figure()
plt.imshow(newim)

def角度cos（p0、p1、p2）：
d1，d2=（p0-p1）.aType（'float'），（p2-p1）.aType（'float'））
返回绝对值（np.dot（d1，d2）/np.sqrt（np.dot（d1，d1）*np.dot（d2，d2）））
def查找平方（img）：
img=cv2.高斯模糊（img，（5,5,0）
正方形=[]
对于cv2中的灰色。分割（img）：
对于范围（0、255、26）内的THR：
如果thrs==0：
bina=cv2.Canny（灰色，0,50，光圈大小=5）
bina=cv2.扩张（bina，无）
其他：
_retval，bina=cv2.阈值（灰色，thrs，255，cv2.阈值）
轮廓=cv2.findContours（比纳、cv2.RETR\u列表、cv2.CHAIN\u近似值\u简单值）
对于轮廓中的cnt[1]：
cnt_len=cv2.弧长（cnt，真）
cnt=cv2.approxPolyDP（cnt，0.02*cnt_len，真）
如果len（cnt）=4且cv2.contourArea（cnt）>1000且cv2.isContourConvex（cnt）：
cnt=cnt.重塑（-1,2）
max_cos=np.max（[范围（4）]内i的角度（cnt[i]，cnt[（i+1）%4]，cnt[（i+2）%4]））
如果最大cos<0.1：
正方形。附加（cnt）
返回方块
正方形=查找正方形（ct2）
newim=cv2.绘制等高线（dupimage，正方形，-1，（0,0,255），3）
plt.图（）
plt.imshow（newim）

没有错误，它只是生成了一个无法正确识别所有非常清晰的正方形的图像。 有人能看出我犯的错误吗

更新后的图像如下所示：

---

通过一些简单的修改，您可以显著提高结果（和性能）

首先，阈值图像中的“网格”在线条中有很多噪声和缺陷。你可以使用它来改进这一点。此外，仅搜索外部轮廓就可以满足此图像的要求（尽管它可能不适用于其他图像）

其次，检测正方形的方法似乎相当复杂，我认为它太严格了。由于井是正方形的，您可以简单地将宽度除以轮廓边界矩形的高度，该高度应接近1

结果-找到的正方形以灰色显示：

代码：

导入cv2
将numpy作为np导入
#加载阈值图像
img=cv2.imread（'5XbZN.jpg'，0）
#调整图像大小
img=cv2.resize（img，无，无，fx=0.2，fy=0.2，插值=cv2.INTER_CUBIC）
#消除噪音/关闭管路
内核=np.one（（30,30））
img=cv2.morphologyEx（img，cv2.MORPH_OPEN，kernel）
#寻找轮廓
轮廓线，hier=cv2.找到的轮廓线（img，cv2.RETR\u外部，cv2.CHAIN\u近似简单）
#如果轮廓呈方形且具有最小尺寸，则以灰色绘制轮廓
对于轮廓中的cnt：
（x，y，w，h）=cv2.boundingRect（cnt）
面积=cv2。轮廓面积（cnt）
如果abs（（w/h）-1）<0.2且面积>2500：
cv2.拉深等高线（img，[cnt]，0，（127），-1）
#显示图像
cv2.imshow（“Img”，Img）
cv2.等待键（0）
cv2.destroyAllWindows（）

通过一些简单的修改，您可以显著提高结果（和性能）

首先，阈值图像中的“网格”在线条中有很多噪声和缺陷。你可以使用它来改进这一点。此外，仅搜索外部轮廓就可以满足此图像的要求（尽管它可能不适用于其他图像）

其次，检测正方形的方法似乎相当复杂，我认为它太严格了。由于井是正方形的，您可以简单地将宽度除以轮廓边界矩形的高度，该高度应接近1

结果-找到的正方形以灰色显示：

代码：

导入cv2
将numpy作为np导入
#加载阈值图像
img=cv2.imread（'5XbZN.jpg'，0）
#调整图像大小
img=cv2.resize（img，无，无，fx=0.2，fy=0.2，插值=cv2.INTER_CUBIC）
#消除噪音/关闭管路
内核=np.one（（30,30））
img=cv2.morphologyEx（img，cv2.MORPH_OPEN，kernel）
#寻找轮廓
轮廓线，hier=cv2.找到的轮廓线（img，cv2.RETR\u外部，cv2.CHAIN\u近似简单）
#如果轮廓呈方形且具有最小尺寸，则以灰色绘制轮廓
对于轮廓中的cnt：
（x，y，w，h）=cv2.boundingRect（cnt）
面积=cv2。轮廓面积（cnt）
如果abs（（w/h）-1）<0.2且面积>2500：
cv2.拉深等高线（img，[cnt]，0，（127），-1）
#显示图像
cv2.imshow（“Img”，Img）
cv2.等待键（0）
cv2.destroyAllWindows（）

当你打印

正方形时，你会得到什么？@barny[array（[[15842314]，[15812578]，[13062568]，[13072318]，[dtype=int32]，[15862311]，[13042316]，[13062575]，[1584250]，[dtype=int32]，[35042302]，[37692308]，[37502562]，[34812564]]，dtype=int32），数组（[[35012300]，[34792567]，如果您上载原始图像而不是绘图，我们可以更好地帮助您。不完整轮廓的原因可能是绘图的缩放。您可以使用
cv2.imwrite（'newimg.png'，newimg）
保存全尺寸图像。@J.D.我替换了绘图，但我仍然面临着同样的问题：打印
正方形时会得到什么？@barny[array（[[15842314]，[15812578]，[13062568]，[13072318]，[dtype=int32]，[15862311]，[13042316]，[13062575]，[15842580]、dtype=int32）、数组（[35042302]、[37692308]、[37502562]、[34812564]、dtype=int32）、数组（[35012300]、[34792567]，如果您上载原始图像而不是绘图，我们可以更好地帮助您。不完整轮廓的原因可能是绘图缩放造成的。您可以使用
cv2.imwrite（'newimg.png'，newimg）
保存f
import cv2
import numpy as np
# load  threshold image
img = cv2.imread('5XbZN.jpg',0)
# resize image
img = cv2.resize(img,None,None,fx=0.2,fy=0.2, interpolation=cv2.INTER_CUBIC)
# remove noise / close lines
kernel = np.ones((30,30))
img = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)
# find contours
contours, hier = cv2.findContours(img,cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
# if the contour is square-ish and has a minimum size, draw contours in gray
for cnt in contours:
    (x,y,w,h) = cv2.boundingRect(cnt)
    area = cv2.contourArea(cnt)
    if abs((w/h)-1) < 0.2 and area > 2500:
        cv2.drawContours(img,[cnt],0,(127),-1)

# show image
cv2.imshow('Img',img)
cv2.waitKey(0)
cv2.destroyAllWindows()