首页 文章

使用opencv在图像中查找形状

提问于
浏览 次
4

我正在尝试使用OpenCV在图像中查找形状 . 我知道我想要匹配的形状（有一些我不知道的形状，但我不需要找到它们）和它们的方向 . 我不知道他们的尺寸（规模）和位置 .

我目前的做法：

  • 检测轮廓

  • 对于每个轮廓，计算最大边界框

  • 将每个边界框分别与其中一个已知形状匹配 . 在我的真实项目中，我只是使用纵横比 .

如果这种方法没有取消，那就是形状触及的地方 . 轮廓检测将两个相邻的形状作为单个轮廓（单个边界框）拾取 . 匹配步骤显然会失败 .

有没有办法修改我的方法来分别处理相邻的形状？此外，还有更好的方法来执行第3步吗？

例如：（Es为绿色，Y为蓝色）

enter image description here

失败的情况:(未知的形状为红色）

enter image description here

源代码：

import cv
import sys
E = cv.LoadImage('e.png')
E_ratio = float(E.width)/E.height
Y = cv.LoadImage('y.png')
Y_ratio = float(Y.width)/Y.height
EPSILON = 0.1

im = cv.LoadImage(sys.argv[1], cv.CV_LOAD_IMAGE_GRAYSCALE)
storage = cv.CreateMemStorage(0)
seq = cv.FindContours(im, storage, cv.CV_RETR_EXTERNAL, 
        cv.CV_CHAIN_APPROX_SIMPLE)
regions = []
while seq:
    pts = [ pt for pt in seq ]
    x, y = zip(*pts)    
    min_x, min_y = min(x), min(y)
    width, height = max(x) - min_x + 1, max(y) - min_y + 1
    regions.append((min_x, min_y, width, height))
    seq = seq.h_next()

rgb = cv.LoadImage(sys.argv[1], cv.CV_LOAD_IMAGE_COLOR)
for x,y,width,height in regions:
    pt1 = x,y
    pt2 = x+width,y+height
    if abs(float(width)/height - E_ratio) < EPSILON:
        color = (0,255,0,0)
    elif abs(float(width)/height - Y_ratio) < EPSILON:
        color = (255,0,0,0)
    else:
        color = (0,0,255,0)
    cv.Rectangle(rgb, pt1, pt2, color, 2)

cv.ShowImage('rgb', rgb)
cv.WaitKey(0)

e.png：

enter image description here

y.png：

enter image description here

好：

enter image description here

坏：

enter image description here

在任何人问之前，不，我不打算破解验证码:) OCR本身不是't really relevant here: the actual shapes in my real project aren'吨字符 - 我只是懒惰，字符是最容易绘制的东西（并且仍然可以通过琐碎的方法检测到） .

python opencv

2 回答

  • 0

    由于您的形状可以在大小和比例上有所不同，您应该查看缩放不变描述符 . 一堆这样的描述符对于您的应用程序来说是完美的 .

    在测试模板上处理这些描述符，然后使用某种简单的分类来提取它们 . 当你展示时，它应该用简单的形状给出相当好的结果 .

    我过去曾使用Zernike和Hu的时刻，后者是最着名的 . 您可以在此处找到实施示例：http://www.lengrand.fr/2011/11/classification-hu-and-zernike-moments-matlab/ .

    另一件事：鉴于你的问题，你应该看看OCR技术（代表光学字符识别：http://en.wikipedia.org/wiki/Optical_character_recognition;）） .

    希望这个对你有帮助 .

    朱利安

    回复于
  • 3

    您是否尝试使用CCH作为描述符进行倒角匹配或轮廓匹配（对应） .

    倒角匹配使用目标图像和模板轮廓的距离变换 . 不完全是规模不变但快速 .

    后者相当慢，因为二分类匹配问题的复杂性至少是二次的 . 另一方面，这种方法对于缩放，旋转和可能的局部失真是不变的（对于近似匹配，恕我直言，这对于上面的坏例子是好的） .

    回复于

相关问题