如何从图像中提取不同边缘强度的矩形？

Posted 2023-04-17

【中文标题】如何从图像中提取不同边缘强度的矩形？

【英文标题】：How to extract rectangles of varying edge intensity from images?

【发布时间】：2018-10-30 21:50:49

【问题描述】：

我正在尝试从支票图像中提取帐号。我的逻辑是，我试图找到包含帐号的矩形，对边界矩形进行切片，然后将切片输入 OCR 以从中获取文本。

我面临的问题是当矩形不是很突出和浅色时，由于边缘没有完全连接，我无法获得矩形轮廓。

如何克服这个问题？ 我尝试过但没有奏效的事情是

我不能增加腐蚀迭代，以更多地腐蚀它，因为这样边缘会与周围的黑色像素连接并形成不同的形状。 降低阈值偏移量可能会有所帮助，但似乎效率低下。由于代码必须处理多种类型的图像。我可以从偏移量 10 开始并不断增加偏移量并检查是否找到了矩形。这将大大增加检查具有突出矩形的时间，这些矩形在偏移量 20 或更大时工作良好。而且由于我没有条件检查矩形的边缘是否突出，因此必须在所有支票中应用循环。

牢记以上几点。有人可以帮我解决这个问题吗？

使用的库和版本

scikit-image==0.13.1
opencv-python==3.3.0.10

代码

from skimage.filters import threshold_adaptive, threshold_local
import cv2

第 1 步：

image = cv2.imread('cropped.png')

第 2 步：

使用来自skimage的自适应阈值去除背景，这样我就可以得到帐号矩形框。这适用于矩形更明显的检查，但是当矩形边缘较薄或颜色较浅时，阈值会导致 未连接的边缘，因此我无法找到轮廓。我在问题的后面附上了这方面的例子。

account_number_block = cv2.cvtColor(image, cv2.COLOR_RGB2GRAY)
account_number_block = threshold_adaptive(account_number_block, 251, offset=20)
account_number_block = account_number_block.astype("uint8") * 255

第 3 步：

稍微腐蚀图像以尝试连接边缘中的小断开连接

kernel = np.ones((3,3), np.uint8)

account_number_block = cv2.erode(account_number_block, kernel, iterations=5)

寻找轮廓

(_, cnts, _) = cv2.findContours(account_number_block.copy(), cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)
# cnts = sorted(cnts, key=cv2.contourArea)[:3]
rect_cnts = [] # Rectangular contours 
for cnt in cnts:
    approx = cv2.approxPolyDP(cnt,0.01*cv2.arcLength(cnt,True),True)
    if len(approx) == 4:
        rect_cnts.append(cnt)


rect_cnts = sorted(rect_cnts, key=cv2.contourArea, reverse=True)[:1]

工作示例

第 1 步：原始图像

第 2 步：阈值化后去除背景。

第3步：寻找轮廓找到账号的矩形框。

失败的工作示例 - 浅色矩形边界。

第一步：读取原图

第 2 步：阈值化后去除背景。请注意，矩形的边缘没有连接，因此我无法从中获取轮廓。

第3步：寻找轮廓找到账号的矩形框。

【问题讨论】：

你能再发几张图片吗？

当然@zindarod，给几分钟。我会发帖的。

【参考方案1】：

import numpy as np
import cv2
import pytesseract as pt
from PIL import Image


#Run Main
if __name__ == "__main__" :

    image = cv2.imread("image.jpg", -1)

    # resize image to speed up computation
    rows,cols,_ = image.shape
    image = cv2.resize(image, (np.int32(cols/2),np.int32(rows/2)))

    # convert to gray and binarize
    gray_img = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    binary_img = cv2.adaptiveThreshold(gray_img, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 9, 9)

    # note: erosion and dilation works on white forground
    binary_img = cv2.bitwise_not(binary_img)

    # dilate the image to fill the gaps
    kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3,3))
    dilated_img = cv2.morphologyEx(binary_img, cv2.MORPH_DILATE, kernel,iterations=2)

    # find contours, discard contours which do not belong to a rectangle
    (_, cnts, _) = cv2.findContours(dilated_img, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)
    rect_cnts = [] # Rectangular contours 
    for cnt in cnts:
        approx = cv2.approxPolyDP(cnt,0.01*cv2.arcLength(cnt,True),True)
        if len(approx) == 4:
            rect_cnts.append(cnt)

    # sort contours based on area
    rect_cnts = sorted(rect_cnts, key=cv2.contourArea, reverse=True)[:1]

    # find bounding rectangle of biggest contour
    box = cv2.boundingRect(rect_cnts[0])
    x,y,w,h = box[:]

    # extract rectangle from the original image
    newimg = image[y:y+h,x:x+w]

    # use 'pytesseract' to get the text in the new image
    text = pt.image_to_string(Image.fromarray(newimg))
    print(text)

    cv2.namedWindow('Image', cv2.WINDOW_NORMAL)
    cv2.imshow('Image', newimg)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

结果：03541140011724

结果：34785736216

【讨论】：

抱歉，我无法上传更多示例。并感谢您的回答。我认为这里的关键是您所做的调整大小和 cv2.adaptiveThreshold 对吗？在不影响 tesseract 的识别的情况下，我们可以将大小缩小到最小是多少？我会试试这个，并接受答案。

调整大小要求因图像而异。对于您的图像，测试不同的尺寸，直到 tesseract 不再能够识别文本。

伟大的直觉加 1 !!