Python 使用OpenCV检测小数点

使用

opencv-python

，我试图在类似以下图像的图像中找到

dot

字符的位置：

42个图片集可以在这里找到：-批量下载可用

我无法创建一个

opencv

检测器，该检测器可以始终在这些类型的图像中找到大多数点，在单个图像上工作的任何东西（带有一些参数的斑点检测器）通常在其他图像上失败

我的大多数尝试都是使用

SimpleBlobDetector

这是正确的方法吗？ opencv不是完成任务的合适工具吗？（我需要一个随时可用的工具，目前不可能训练神经网络）

---

非常感谢您的帮助。

您可以尝试使用

Hough Circles

：

circles = cv2.HoughCircles(img,cv2.HOUGH_GRADIENT,1,20,
                            param1=50,param2=30,minRadius=5,maxRadius=25)

摘自

---

这里是一个使用阈值+轮廓过滤的简单方法，而不是使用

SimpleBlobDetector

：

• 将图像转换为灰度，然后使用大津阈值获得二值图像
• 执行形态打开以消除小噪音
• 查找轮廓并使用轮廓区域进行过滤

---

下面是一些图片的结果。小数点以绿色突出显示

代码

导入cv2
将numpy作为np导入
image=cv2.imread（'3.jpg'）
original=image.copy（）
灰色=cv2.CVT颜色（图像，cv2.COLOR\u BGR2GRAY）
thresh=cv2.阈值（灰色，0，255，cv2.thresh\u二进制+cv2.thresh\u大津）[1]
kernel=cv2.getStructuringElement（cv2.morp_ELLIPSE，（3,3））
opening=cv2.morphologyEx（thresh，cv2.MORPH_OPEN，kernel，迭代次数=2）
cnts=cv2.查找孔（开口、cv2.外部翻新、cv2.链近似简单）
如果len（cnts）==2个其他cnts[1]，则cnts=cnts[0]
对于碳纳米管中的碳：
面积=cv2。轮廓面积（c）
打印（面积）
如果面积小于200：
cv2.等高线图（原始[c]，-1，（36255,12），-1）
cv2.imshow（'thresh'，thresh）
cv2.imshow（“开始”，开始）
cv2.imshow（“原件”，原件）
cv2.waitKey（）

---

注意：假设图像只包含数字，而不包含其他伪影，此方法将很好地工作。备选办法包括：

• Hough圆变换已实现为。缺点是函数有很多参数，通常只适用于“完美”圆。由于图像中的小数点不是完美的圆，因此可能无法获得一致的结果，并且可能会出现误报
• 使用

  cv2.arcLength（）

  和

  cv2.approxPolyDP（）

  进行轮廓近似，该算法使用该算法，也称为拆分和合并算法。其思想是曲线可以由一系列短线段近似。为了做到这一点，我们计算轮廓的周长，然后根据顶点的数量近似轮廓的形状。请看一个例子

  ---

HoughCircles还会拾取数字的内部黑环吗（假设它们在最小/最大半径范围内？或者它只适用于高强度区域。@PeptineWitch算法搜索具有高度径向对称性的候选字符，因此如果字体字符具有椭圆，则不会拾取它们，如果字体具有带圆形内环的字符，则正如您所说，最小/最大半径应小心精选齐全。

import cv2
import numpy as np

image = cv2.imread('3.jpg')
original = image.copy()
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)[1]

kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (3,3))
opening = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, kernel, iterations=2)

cnts = cv2.findContours(opening, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]
for c in cnts:
    area = cv2.contourArea(c)
    print(area)
    if area < 200:
        cv2.drawContours(original, [c], -1, (36,255,12), -1)

cv2.imshow('thresh', thresh)
cv2.imshow('opening', opening)
cv2.imshow('original', original)
cv2.waitKey()