Python 检测是否使用opencv选中该复选框

我正在尝试查找是否有复选框（[]）

---

是否检查。到目前为止，我一直在尝试使用中使用的方法。我正在尝试查看图像中是否有任何三角形。如果至少有一个三角形，则表示复选框已选中。我发现的问题是，有时会检测到外部矩形而不是三角形。如何忽略矩形而只检测三角形

我认为您甚至不需要使用层次结构信息，只需计算轮廓的数量并用于对图像进行分类。 我给出了一个简单的python实现来查看各个轮廓

这里已经解释了OpenCV中的轮廓层次表示

---

我最终需要做一些与此非常类似的事情，并且必须确定2500个ish信封是否有检查。使用这里的答案，我能够以大约10%的错误率完成它。我最终做了以下几件事：

首先，我通过像素密度脚本输入“未检查”的样本。我正在检查“白色”像素的数量：

import cv2
import numpy as np
from pathlib import Path
from os import listdir
import functools

whitePixelAverage = []

path = "./"
included_extensions = ['png','PNG']

allFiles = [f for f in listdir(path) if any(f.endswith(ext) for ext in included_extensions)] # Get all files in current directory

length = len(allFiles)

for i in range(length):
    img = cv2.imread(allFiles[i], cv2.IMREAD_GRAYSCALE)
    imgCrop = img[655:713,692:767] # Select your ROI here, I allow for a bit of deviation between image scans
    n_white_pix = np.sum(imgCrop == 255)
    print('number of white pixels: ', n_white_pix)
    whitePixelAverage.append(n_white_pix)
print(whitePixelAverage)
print("Average: ", functools.reduce(lambda x, y: x + y,whitePixelAverage)/len(whitePixelAverage))
print("Lowest: ", min(whitePixelAverage))
print("highest: ", max(whitePixelAverage))

t = input(":") # Wait for input to close

从这个选择中，我最终选择了我的“最低”值，并给它一个3%的阈值（在我的例子中，这个值大约是117）

现在，我也这么做了，但这次给它提供了一个“复选框”示例。平均而言，这些设备的白色像素密度应该更低

对于我的复选框，我使用平均值。最后，我将复选框的平均值与未选中复选框的最低+阈值进行比较：

from imutils.perspective import four_point_transform
from imutils import contours
import numpy as np
import imutils
import cv2
from pathlib import Path
from os import listdir
import os
import shutil
import functools

path = "./testSet/"
checkedP = "./testSet/checked/"
uncheckedP = "./testSet/unchecked/"
included_extensions = ['png','PNG']

THRESHOLD = 117

allFiles = [f for f in listdir(path) if any(f.endswith(ext) for ext in included_extensions)] # Get all files in current directory

length = len(allFiles)

for i in range(length):
    img = cv2.imread(path+allFiles[i])
    imgCrop = img[655:713,692:767]
    gray = cv2.cvtColor(imgCrop, cv2.COLOR_BGR2GRAY)
    ret,bw = cv2.threshold(gray,220,255,cv2.THRESH_BINARY_INV)
    _,contours,hierarchy = cv2.findContours(bw, cv2.RETR_CCOMP,1)
    cntLen = 1
    ct = 0 #number of contours
    for cnt in contours:
        if len(cnt) > cntLen: #eliminate the noises
            ct += 1
    print('Total contours: ',ct)
    if ct >= 3:
        print("Checked!")
        shutil.move(path + allFiles[i], checkedP + allFiles[i])
        img = cv2.imread(checkedP+allFiles[i], cv2.IMREAD_GRAYSCALE)
        imgCrop = img[655:713,692:767]
        n_white_pix = np.sum(imgCrop == 255)
        if (n_white_pix > 3747+THRESHOLD):
            shutil.move(checkedP + allFiles[i], checkedP+"Unconfident/")
        averageWhitePixels.append(n_white_pix)
    else:
        print("Not so checked")
        shutil.move(path + allFiles[i], uncheckedP + allFiles[i])
        img = cv2.imread(uncheckedP+allFiles[i], cv2.IMREAD_GRAYSCALE)
        imgCrop = img[655:713,692:767]
        n_white_pix = np.sum(imgCrop == 255)
        if (n_white_pix < 3747+THRESHOLD):
            shutil.move(uncheckedP + allFiles[i], uncheckedP+"Unconfident/")

从imutils.perspective导入四点变换
从imutils导入等高线
将numpy作为np导入
导入imutils
进口cv2
从pathlib导入路径
从操作系统导入listdir
导入操作系统
进口舒蒂尔
导入功能工具
path=“./testSet/”
checkedP=“./testSet/checked/”
取消选中dp=“./testSet/unchecked/”
包含的_扩展=['png'，'png']
阈值=117
allFiles=[f代表listdir（路径）中的f，如果有的话（f.endswith（ext）代表包含的扩展名中的ext）]获取当前目录中的所有文件
长度=len（所有文件）
对于范围内的i（长度）：
img=cv2.imread（路径+所有文件[i]）
imgCrop=img[655:713692:767]
灰色=cv2.CVT颜色（imgCrop，cv2.COLOR\U BGR2GRAY）
ret，bw=cv2.阈值（灰色，220255，cv2.阈值\u二进制\u INV）
_，等高线，层次=cv2.findContours（bw，cv2.RETR_CCOMP，1）
cntLen=1
ct=0#轮廓数
对于轮廓中的cnt：
如果len（cnt）>cntLen:#消除噪音
ct+=1
打印（'总轮廓：'，ct）
如果ct>=3：
打印（“选中！”）
move（path+allFiles[i]，checkedP+allFiles[i]）
img=cv2.imread（checkedP+allFiles[i]，cv2.imread\u灰度）
imgCrop=img[655:713692:767]
n_white_pix=np.sum（imgCrop==255）
如果（n_white_pix>3747+阈值）：
move（checkedP+allFiles[i]，checkedP+“Unconfident/”）
averageWhitePixels.append（n_white_pix）
其他：
打印（“未如此检查”）
move（path+allFiles[i]，取消选中dp+allFiles[i]）
img=cv2.imread（取消选中dp+allFiles[i]，cv2.imread\u灰度）
imgCrop=img[655:713692:767]
n_white_pix=np.sum（imgCrop==255）
如果（n_white_pix<3747+阈值）：
move（uncheckedP+allFiles[i]，uncheckedP+“Unconfident/”）

比较像素密度和flamelite的答案，我能够将2500个不同样本的错误率从10%降低到2.47%

我很抱歉我的代码太不雅观了。这是我的第一个答案，如果有什么事情太可怕，请告诉我。很可能还有很多我用来排除故障的东西

---

希望这有帮助

PylageSearch的教程能够根据顶点区分不同的形状。。你为什么不用它？我试过了。我用了哈里斯角探测器。但是，我在图片中得到了太多的分数。我已经解决了这个任务。我有一个选中/未选中复选框的数据集，并根据这些数据构建了分类器。我尝试过随机森林，KNN和这两种算法给了我几乎完美的结果。而且速度也很快。数据集非常小，每个classi guess图像约40个样本包含矩形（未选中）或带对角线的矩形（已选中），在这种情况下，您可以检查像素密度并使用特定的预定义阈值对其进行分类。或者你可以分析轮廓层次来分类。@ChauLoi很抱歉回复得太晚了。如果我没有弄错的话，我只使用了原始像素，并将它们输入分类器。嘿，我想知道你是否有更好的方法，因为这种方法对我的情况不好。请查看我的作品：

from imutils.perspective import four_point_transform
from imutils import contours
import numpy as np
import imutils
import cv2
from pathlib import Path
from os import listdir
import os
import shutil
import functools

path = "./testSet/"
checkedP = "./testSet/checked/"
uncheckedP = "./testSet/unchecked/"
included_extensions = ['png','PNG']

THRESHOLD = 117

allFiles = [f for f in listdir(path) if any(f.endswith(ext) for ext in included_extensions)] # Get all files in current directory

length = len(allFiles)

for i in range(length):
    img = cv2.imread(path+allFiles[i])
    imgCrop = img[655:713,692:767]
    gray = cv2.cvtColor(imgCrop, cv2.COLOR_BGR2GRAY)
    ret,bw = cv2.threshold(gray,220,255,cv2.THRESH_BINARY_INV)
    _,contours,hierarchy = cv2.findContours(bw, cv2.RETR_CCOMP,1)
    cntLen = 1
    ct = 0 #number of contours
    for cnt in contours:
        if len(cnt) > cntLen: #eliminate the noises
            ct += 1
    print('Total contours: ',ct)
    if ct >= 3:
        print("Checked!")
        shutil.move(path + allFiles[i], checkedP + allFiles[i])
        img = cv2.imread(checkedP+allFiles[i], cv2.IMREAD_GRAYSCALE)
        imgCrop = img[655:713,692:767]
        n_white_pix = np.sum(imgCrop == 255)
        if (n_white_pix > 3747+THRESHOLD):
            shutil.move(checkedP + allFiles[i], checkedP+"Unconfident/")
        averageWhitePixels.append(n_white_pix)
    else:
        print("Not so checked")
        shutil.move(path + allFiles[i], uncheckedP + allFiles[i])
        img = cv2.imread(uncheckedP+allFiles[i], cv2.IMREAD_GRAYSCALE)
        imgCrop = img[655:713,692:767]
        n_white_pix = np.sum(imgCrop == 255)
        if (n_white_pix < 3747+THRESHOLD):
            shutil.move(uncheckedP + allFiles[i], uncheckedP+"Unconfident/")