Python 使用opencv从图像中检测长方体

我需要使用

opencv

在以下图像中查找框。我尝试过使用mser，但没有得到任何好的结果。

我的MSER代码：

mser = cv2.MSER_create()
img = cv2.imread('Lines.png')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
I = img.copy()
regions, _ = mser.detectRegions(I)
hulls = [cv2.convexHull(p.reshape(-1, 1, 2)) for p in regions]
mask = np.zeros((img.shape[0], img.shape[1], 1), dtype=np.uint8)
c=0
points=[]
for contour in hulls:
    [x, y, w, h] = cv2.boundingRect(contour)
    if w < 50 or h < 8 or w>120:
        continue
    c=c+1
    cv2.rectangle(I, (x, y), (x + w, y + h), (255, 0, 255), 0)
plt.figure(1,figsize=(100, 50))
plt.imshow(I)

mser=cv2.mser\u create（）
img=cv2.imread（'Lines.png'）
灰色=cv2.CVT颜色（img，cv2.COLOR\U BGR2GRAY）
I=img.copy（）
区域，u=mser.检测区域（I）
外壳=[cv2.convexHull（p.Reformate（-1,1,2））表示区域中的p]
掩码=np.0（（img.shape[0]，img.shape[1]，1），dtype=np.uint8）
c=0
点数=[]
对于船体中的轮廓：
[x，y，w，h]=cv2.boundingRect（轮廓）
如果w<50或h<8或w>120：
持续
c=c+1
cv2.矩形（I，（x，y），（x+w，y+h），（255，0，255），0）
plt.图（1，figsize=（100,50））
plt.imshow（一）

MSER的结果：

---

您可以使用opencv提供的

cv2.findContours（）

函数。您可以使用他们的教程来了解更多信息。干杯。

您可以使用opencv提供的

cv2.findContours（）

函数。您可以使用他们的教程来了解更多信息。干杯。

由于输入图像已反转，请使用带有适当结构元素的“放大”来放大极值区域，然后应用MSER

由于输入图像是反转的，请使用带有适当结构元素的“放大”来放大极值区域，然后应用MSER

您可以设置图像阈值，并反转黑白像素，使方框以黑线分隔：

然后，您可以使用

cv2.findContours（）

搜索轮廓，然后仅绘制符合您的尺寸标准的轮廓。您可以使用

cv2.contourArea（）

获得轮廓的大小。那些轮廓是你的盒子。干杯

示例代码：

import cv2

img = cv2.imread('table.png')
resize = cv2.resize(img, None, fx=0.3, fy=0.3, interpolation = cv2.INTER_CUBIC)
gray = cv2.cvtColor(resize, cv2.COLOR_BGR2GRAY)
_,thresh = cv2.threshold(gray,50,255,cv2.THRESH_BINARY_INV)
_, contours, _ = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)

for cnt in contours:
    size = cv2.contourArea(cnt)
    if 100 < size < 30000:
        cv2.drawContours(resize, [cnt], 0, (0,255,0), 1)

cv2.imshow('img', resize)

导入cv2
img=cv2.imread（'table.png'）
调整大小=cv2.调整大小（img，无，fx=0.3，fy=0.3，插值=cv2.内部立方）
灰色=cv2.CVT颜色（调整大小，cv2.COLOR\u BGR2GRAY）
_，thresh=cv2.阈值（灰色，50255，cv2.thresh\u二进制\u INV）
_，等高线，u=cv2.查找到的多边形（阈值，cv2.重树，cv2.链近似值\u简单）
对于轮廓中的cnt：
尺寸=cv2。轮廓面积（cnt）
如果100<尺寸<30000：
cv2.绘制轮廓（调整大小[cnt]，0，（0255,0），1）
cv2.imshow（'img'，调整大小）

结果:

---

您可以设置图像阈值，反转黑白像素，使方框以黑线分隔：

然后，您可以使用

cv2.findContours（）

搜索轮廓，然后仅绘制符合您的尺寸标准的轮廓。您可以使用

cv2.contourArea（）

获得轮廓的大小。那些轮廓是你的盒子。干杯

示例代码：

import cv2

img = cv2.imread('table.png')
resize = cv2.resize(img, None, fx=0.3, fy=0.3, interpolation = cv2.INTER_CUBIC)
gray = cv2.cvtColor(resize, cv2.COLOR_BGR2GRAY)
_,thresh = cv2.threshold(gray,50,255,cv2.THRESH_BINARY_INV)
_, contours, _ = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)

for cnt in contours:
    size = cv2.contourArea(cnt)
    if 100 < size < 30000:
        cv2.drawContours(resize, [cnt], 0, (0,255,0), 1)

cv2.imshow('img', resize)

导入cv2
img=cv2.imread（'table.png'）
调整大小=cv2.调整大小（img，无，fx=0.3，fy=0.3，插值=cv2.内部立方）
灰色=cv2.CVT颜色（调整大小，cv2.COLOR\u BGR2GRAY）
_，thresh=cv2.阈值（灰色，50255，cv2.thresh\u二进制\u INV）
_，等高线，u=cv2.查找到的多边形（阈值，cv2.重树，cv2.链近似值\u简单）
对于轮廓中的cnt：
尺寸=cv2。轮廓面积（cnt）
如果100<尺寸<30000：
cv2.绘制轮廓（调整大小[cnt]，0，（0255,0），1）
cv2.imshow（'img'，调整大小）

结果:

---

我认为可以使用像素模式来识别方框。在本例中，通过图像中的每个像素，当您得到一个白色像素时，在x轴和y轴上找到下一个像素的颜色。如果两个都是白色，则将像素视为方块的第一个像素。然后取x轴的下一个像素，找到y轴的像素。如果它是白色的，那么你必须到达盒子的另一个角落。如果像素不是白色，那么考虑下一个X轴像素。当你在角落里，然后找到下一个y轴像素，直到你到达角落。当你在第三角时考虑上一个X像素。然后找到上一个x像素，直到到达第四个角。然后，您可以通过四个角的像素坐标保存长方体。我认为这更准确。但这既耗时又复杂。但这可能是一种新的算法。（这仅在框是直线时有效）

我认为可以使用像素模式来识别框。在本例中，通过图像中的每个像素，当您得到一个白色像素时，在x轴和y轴上找到下一个像素的颜色。如果两个都是白色，则将像素视为方块的第一个像素。然后取x轴的下一个像素，找到y轴的像素。如果它是白色的，那么你必须到达盒子的另一个角落。如果像素不是白色，那么考虑下一个X轴像素。当你在角落里，然后找到下一个y轴像素，直到你到达角落。当你在第三角时考虑上一个X像素。然后找到上一个x像素，直到到达第四个角。然后，您可以通过四个角的像素坐标保存长方体。我认为这更准确。但这既耗时又复杂。但这可能是一种新的算法。（这仅在框是直线的情况下有效）

因为您已经有了一个二值图像，我将尝试

cv:：findContours

并仅保留可以简化的轮廓，例如使用4点的道格拉斯·佩克算法。我有一个代码，但只有在C++中。在Python中，你可以使用CV2.FixTrror函数，因为你已经有了二进制图像，我会尝试<代码> CV::FixDeCouss/Cuff>，并且只保留可以用Douglas Peucker算法简化的等高线，使用4点。我有一个代码，但只有C++。在Python中，你可以使用CV2.FixTrimes函数。