Python 如何从图像中提取图表？

我使用了基于轮廓的方法，但是它检测了太多的轮廓。如何提取ROI轮廓

image = cv2.imread('ULTI.png')
original = image.copy()
cv2.imwrite("bg.png",bg)
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
blurred = cv2.GaussianBlur(gray, (3, 3), 0)
canny = cv2.Canny(blurred, 120, 255, 1)
kernel = np.ones((5,5),np.uint8)
dilate = cv2.dilate(canny, kernel, iterations=1)

# Find contours
cnts = cv2.findContours(dilate, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]

# Iterate thorugh contours and filter for ROI
image_number = 0
cnts = max(cnts, key = cv2.contourArea)
print("no ",len(cnts))
for c in cnts:
    x,y,w,h = cv2.boundingRect(c)
    cv2.rectangle(image, (x, y), (x + w, y + h), (36,255,12), 2)
    ROI = original[y:y+h, x:x+w]

    #cv2.imwrite("ROI_{}.png".format(image_number), ROI)
    image_number += 1

---

您可以通过指定只希望使用具有最大面积的轮廓来获得ROI，也就是说，如果图表生成的轮廓的面积大于图像中其他组件的面积，则可以获得ROI

以下是一个例子：

import cv2

def preprocess(img):
    img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    img_blur = cv2.GaussianBlur(img_gray, (5, 5), 1)
    img_canny = cv2.Canny(img_blur, 50, 50)
    return img_canny

def get_roi(img, pad=3):
    contours, hierarchy = cv2.findContours(img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
    max_area = 0
    
    for cnt in contours:
        peri = cv2.arcLength(cnt, True)
        approx = cv2.approxPolyDP(cnt, 0.02 * peri, True)
        x, y, w, h = cv2.boundingRect(approx)
        rect_area = w * h
        if rect_area > max_area:
            max_area = rect_area
            dim = x, y, w, h

    if max_area:
        x, y, w, h = dim
        return x - pad, y - pad, w + pad * 2, h + pad * 2 

img = cv2.imread("ULTI.png")

img_processed = preprocess(img)
x, y, w, h = get_roi(img_processed)

cv2.imshow("Image", img[y:y + h, x:x + w])
cv2.waitKey(0)

输出：

说明：

导入必要的模块：

定义一个函数，该函数将接收图像，并返回图像的处理版本，该版本将允许python正确检测必要的轮廓（您可以调整值以进一步满足您的需要）：

现在，让我们看看如何定义一个函数来检索图像的ROI。首先，对其进行定义，以便将处理后的图像阵列和焊盘数量（可选）作为参数传入：

找到已处理图像的轮廓，并定义一个变量来存储轮廓的最大面积：

使用

for

循环在轮廓中循环，并找到循环每次迭代的轮廓区域：

使用

if

语句检查面积是否大于应存储该最大面积的定义变量。如果该迭代轮廓的面积大于该变量，则更新该变量的值，使其等于新区域。此外，将该迭代的轮廓保存到变量：

在

for

循环之后，如果

max\u area

变量不等于

0

，则还定义了

max\u cnt

。使用

cv2.boundingRect

获取

x

、

y

、

w

和

h

属性：

最后，将图像读入变量后，您可以利用我们定义的两个函数，并显示结果图像：

注意：代码可能不会适用于所有图表。但同样，您可以调整

preprocess

函数中的值以满足您的需要

import cv2

def preprocess(img):
    img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    img_blur = cv2.GaussianBlur(img_gray, (5, 5), 1)
    img_canny = cv2.Canny(img_blur, 50, 50)
    return img_canny

def get_roi(img, pad=3):

    contours, hierarchy = cv2.findContours(img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
    max_area = 0

    for cnt in contours:
        peri = cv2.arcLength(cnt, True)
        approx = cv2.approxPolyDP(cnt, 0.02 * peri, True)
        area = cv2.contourArea(approx)

        if area > max_area:
            max_area = area
            max_cnt = approx

    if max_area:
        x, y, w, h = cv2.boundingRect(max_cnt)
        return x - pad, y - pad, w + pad * 2, h + pad * 2 

img = cv2.imread("ULTI.png")

img_processed = preprocess(img)
x, y, w, h = get_roi(img_processed)

cv2.imshow("Image", img[y:y + h, x:x + w])
cv2.waitKey(0)