cv2.drawContours（） - 在字符内部填充圆圈（Python，OpenCV）

5 回答

• 1

  要绘制 char 而不填充封闭的内部区域：

  使用层次结构查找脱粒二进制图像上的轮廓 . 找到没有内部对象的外部轮廓（通过flag hierarchyyi） . 对于每个外轮廓：3.1填充它（可能需要检查是否需要）; 3.2然后迭代它的内部儿童轮廓，然后填充其他颜色（如反转的颜色） . 结合裁剪代码，裁剪它们 . 也许你需要对它们进行排序，重新分类它们，使它们正常化 . 也许，现在你可以用经过训练的模型做ocr .

  ---

  FindContours，重新填充内部封闭区域 .

  

  结合这个答案Copy shape to blank canvas (OpenCV, Python)，做更多的步骤，也许你可以得到这个或更好的：

  

  ---

  refill 内部封闭区域的核心代码如下：

  #!/usr/bin/python3
  # 2018.01.14 09:48:15 CST
  # 2018.01.15 17:56:32 CST
  # 2018.01.15 20:52:42 CST
  
  import numpy as np
  import cv2
  
  img = cv2.imread('img02.png')
  gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
  
  ## Threshold 
  ret, threshed = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY_INV|cv2.THRESH_OTSU)
  
  ## FindContours
  cnts, hiers = cv2.findContours(threshed, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)[-2:]
  
  canvas = np.zeros_like(img)
  n = len(cnts)
  hiers = hiers[0]
  
  for i in range(n):
      if hiers[i][3] != -1:
          ## If is inside, the continue 
          continue
      ## draw 
      cv2.drawContours(canvas, cnts, i,  (0,255,0), -1, cv2.LINE_AA)
  
      ## Find all inner contours and draw 
      ch = hiers[i][2]
      while ch!=-1:
          print(" {:02} {}".format(ch, hiers[ch]))
          cv2.drawContours(canvas, cnts, ch, (255,0,255), -1, cv2.LINE_AA)
          ch = hiers[ch][0]
  
  cv2.imwrite("001_res.png", canvas)
  

  使用此图片运行此代码：

  

  你会得到：

  

  ---

  当然，这是两个层次结构 . 我没有测试过两次以上 . 你需要的人可以自己做测试 .

  ---

  更新：

  请注意，在不同的OpenCV中， cv2.findContours 返回不同的值 . 为了保持代码可执行，我们可以使用最后两个返回值：cnts，hiers = cv2.findContours（...）[ - 2：]

  在OpenCV 3.4中：

  

  在OpenCV 4.0中：

  

  ---

  回复于 2024-05-04T12:06:01+08:00
• 2

  由于您已经从阈值步骤中获得了一个蒙版，因此您也可以使用它来对应绘制的轮廓 bitwise_and ：

  import cv2
  import numpy as np
  import matplotlib.pyplot as plt
  
  img = cv2.imread('drawn_chars.png')
  img_hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
  img_v = img_hsv[:, :, 2]
  
  ret, thresh = cv2.threshold(~img_v, 127, 255, 0)
  image, contours, hierarchy = cv2.findContours(
      thresh, 
      cv2.RETR_EXTERNAL, 
      cv2.CHAIN_APPROX_SIMPLE
  )
  
  for c in contours:
      tmp_img = np.zeros(img_v.shape, dtype=np.uint8)
      cv2.drawContours(tmp_img, [c], -1, 255, cv2.FILLED)
  
      tmp_img = np.bitwise_and(tmp_img, ~img_v)
  
      plt.figure(figsize=(16, 2))
      plt.imshow(tmp_img, cmap='gray')
  

  我已经倒转了图像，所以轮廓是白色的，当你已经解决了这个问题时，我省略了裁剪 . 以下是其中一个“O”字符的结果：

  

  回复于 2024-05-04T12:06:01+08:00
• 5

  完整代码......

  这不会对图像进行排序 .

  import numpy as np
  import cv2
  
  im = cv2.imread('imgs\\1.png')
  imgray = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY)
  
  ## Threshold
  ret, threshed = cv2.threshold(imgray, 127, 255, cv2.THRESH_BINARY_INV | cv2.THRESH_OTSU)
  
  ## FindContours
  image, cnts, hiers = cv2.findContours(threshed, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
  
  canvas = np.zeros_like(im)
  n = len(cnts)
  hiers = hiers[0]
  
  for i, imgs in enumerate(cnts):
  
      cnt = cnts[i]
      res = cv2.drawContours(im, [cnt], 0, (0, 0, 0), -1)
  
      x, y, w, h = cv2.boundingRect(cnt)
      croped = res[y:y + h, x:x + w]
  
      if h > 10:
          cv2.imwrite("out\\croped{}.png".format(i), croped)
          cv2.imshow('i', croped)
          cv2.waitKey(0)
  
  for i, value in enumerate(cnts):
  
      ## this contour is a 3D numpy array
      cnt = cnts[i]
      res = cv2.drawContours(im, [cnt], 0, (0, 0, 0), -1)
      # cv2.imwrite("out\\contours{}.png".format(i), res)
  
      ## Find all inner contours and draw
      ch = hiers[i][2]
      while ch != -1:
          print(" {:02} {}".format(ch, hiers[ch]))
          res1 = cv2.drawContours(im, cnts, ch, (255, 255, 255), -1)
          ch = hiers[ch][0]
  
          x, y, w, h = cv2.boundingRect(cnt)
          croped = res[y:y + h, x:x + w]
  
          if h > 10:
              cv2.imwrite("out\\croped{}.png".format(i), croped)
  

  接受任何更正 .

  回复于 2024-05-04T12:06:01+08:00
• 1

  这将确定工作......

  import cv2
  import os
  import numpy as np
  
  img = cv2.imread("image.png")
  
  gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
  
  retval, thresholded = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY_INV | cv2.THRESH_OTSU)
  
  medianFiltered = cv2.medianBlur(thresholded, 3)
  
  _, contours, hierarchy = cv2.findContours(medianFiltered, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
  
  contour_list = []
  for contour in contours:
      area = cv2.contourArea(contour)
      if area > 80:
          contour_list.append(contour)
  
  numbers = cv2.drawContours(img, contour_list, -1, (0, 0, 0), 2)
  
  cv2.imshow('i', numbers)
  cv2.waitKey(0)
  
  sorted_ctrs = sorted(contours, key=lambda ctr: cv2.boundingRect(ctr)[0])
  
  for i, cnts in enumerate(contours):
  
      cnt = contours[i]
  
      x, y, w, h = cv2.boundingRect(cnt)
      croped = numbers[y:y + h, x:x + w]
  
      h, w = croped.shape[:2]
      print(h, w)
  
      if h > 15:
          cv2.imwrite("croped{}.png".format(i), croped)
  

  回复于 2024-05-04T12:06:01+08:00
• 1

  这在概念上类似于Fivers的答案，只是bitwise_并且发生在for循环之外，并且在性能方面可能更好 . 对于那些为这个问题寻找C答案的人来说，源代码在C中 .

  int thWin = 3;
  int thOffset = 1;
  cv::adaptiveThreshold(image, th, 255, cv::ADAPTIVE_THRESH_MEAN_C, cv::THRESH_BINARY_INV, thWin, thOffset);
  
  int minMoveCharCtrArea = 140;
  std::vector<std::vector<cv::Point> > contours;
  std::vector<cv::Vec4i> hierarchy;
  cv::findContours(th.clone(), contours, hierarchy, cv::RETR_LIST, cv::CHAIN_APPROX_SIMPLE);
  cv::Mat filtImg = cv::Mat::zeros(img.rows, img.cols, CV_8UC1 );
  
  for (int i = 0; i< contours.size(); ++i) {
      int ctrArea = cv::contourArea(contours[i]);
      if (ctrArea > minMoveCharCtrArea) {
          cv::drawContours(filtImg, contours, i, 255, -1);
      }
  }
  cv::bitwise_and(th, filtImg, filtImg);
  

  在将源图像参数传递给findContours时，请记住克隆图像（对于python应该是复制），因为findContours会修改原始图像 . 我估计更高版本的opencv（也许是opencv3）不需要克隆 .

  回复于 2024-05-04T12:06:01+08:00