Python 如何可靠地查找图像上的复选框（使用cv2.findContours或其他技术）？

我试图识别这张图片上的6个方块：

和检测哪些是选中的或黑色的（这里是（1,1）和（3,2））

• 周围可以有一些文本，也可以有一些图形，但没有任何内容与复选框非常相似

• 图像可以稍微旋转

方法#1 我试过：

_, contours, hierarchy = cv2.findContours(gray, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
for j, c in enumerate(contours):
    cv2.drawContours(imgcolor, [c], 0, COLORS[j % len(COLORS)], thickness=1)

但结果相当糟糕：

到目前为止，我所尝试的：

• 使用

  cv2按区域过滤。轮廓区域（c）

• 使用

    shape = cv2.approxPolyDP(c, 0.05 * cv2.arcLength(c, True), closed=True)
  

  如果len（shape）==4:则仅保留矩形，但这不起作用，因为一些正方形被分割为两个或三个轮廓：请参见右上角的正方形，它被识别为红色+青色轮廓

• 注意：有些方块可以通过一个轮廓成功识别，但甚至可以通过两个轮廓识别，因此当我们

  绘制轮廓时，我们可以看到同一个方块的两个轮廓相互重叠
  
  

进近#2 是否可以使用原始图像和该“3x2盒模式”的所有“位置移动+旋转+重新缩放”版本之间的相关性：

这样可以很好地检测吗

TL；博士： 如何可靠地识别这样一张图像上的6个框，并找到选中或黑色的框？

以下是我的方法：

（1） 阈值并找到外部轮廓

（2） 按面积和高度/宽度过滤轮廓，然后按面积进行区分

这是我的结果：

---

堆栈溢出的难题和一点开放性。一般来说，您希望减少测试中可能出现的位置/旋转次数，以便在合理的时间内得到答案。其他问题围绕着源图像的质量，它们都是机器生成的，还是来自相机/扫描仪，因为它们会为您带来更多需要处理的瑕疵是的@SamMason它确实来自扫描仪。找到外部轮廓是关键，您是对的（

cv2.findContours（img，cv2.RETR\u EXTERNAL，cv2.CHAIN\u APPROX\u SIMPLE）

）。重要的是在阈值化之后，在之前反转颜色，如屏幕截图中所示：

img=cv2.bit\u not（img）

。