查找具有内容的区域并获取其边界矩形

Posted 2023-02-16

【中文标题】查找具有内容的区域并获取其边界矩形

【英文标题】：Find area with content and get its bouding rect

【发布时间】：2019-10-20 14:29:05

【问题描述】：

我正在使用 OpenCV 4 - python 3 - 在黑白图像中查找特定区域。

此区域不是 100% 填充的形状。它可能会缩小白线之间的一些差距。

这是我开始处理的基础图像：

这是我期望的矩形 - 用 Photoshop 制作 - ：

我用霍夫变换线得到的结果 - 不准确 -

所以基本上，我从第一张图片开始，我希望在第二张图片中找到你看到的内容。

知道如何获取第二张图片的矩形吗？

【问题讨论】：

请考虑参观并阅读帮助中心 (***.com/help) 中的信息指南。如果您 (1) 自己展示一些研究成果，并且 (2) 学习如何提问，则用户更有可能提供帮助。请参阅下面的答案。

【参考方案1】：

我想介绍一种仅使用 NumPy 的 nonzero 函数的方法，它在计算上可能比 fmw42's answer 中的解决方案更便宜。基本上，找到两个轴的所有非零索引，然后获得最小值和最大值。因为我们这里有二进制图像，所以这种方法效果很好。

让我们看看下面的代码：

import cv2
import numpy as np

# Read image as grayscale; threshold to get rid of artifacts
_, img = cv2.threshold(cv2.imread('images/LXSsV.png', cv2.IMREAD_GRAYSCALE), 0, 255, cv2.THRESH_BINARY)

# Get indices of all non-zero elements
nz = np.nonzero(img)

# Find minimum and maximum x and y indices
y_min = np.min(nz[0])
y_max = np.max(nz[0])
x_min = np.min(nz[1])
x_max = np.max(nz[1])

# Create some output
output = cv2.cvtColor(img, cv2.COLOR_GRAY2BGR)
cv2.rectangle(output, (x_min, y_min), (x_max, y_max), (0, 0, 255), 2)

# Show results
cv2.imshow('img', img)
cv2.imshow('output', output)
cv2.waitKey(0)
cv2.destroyAllWindows()

我从 fmw42 的答案中借用了裁剪后的图像作为输入，我的输出应该是相同的（或最相似的）：

希望（也）有所帮助！

【讨论】：

这是一个非常酷的方法！我将阅读有关非零函数的更多信息。非常感谢。

@HansHirse。不错的方法。对于此图像，非零像素的最小和最大位置是一个好主意。但我预计，如果图像中还有其他白色区域，它将无法正常工作。需要进行某种过滤，例如形态学或使用轮廓区域。

@fmw42 嗯，你是对的 - 我没有考虑过。不幸的是，我也找不到使用这种方法的通用解决方案，它也涵盖了“盒子”，例如具有类似x，但不同y 范围。所以，我的解决方案确实仅限于某些用例。

【参考方案2】：

在 Python/OpenCV 中，您可以使用形态学连接图像的所有白色部分，然后得到外轮廓。请注意，我已经修改了您的图像，以从您的屏幕快照中删除顶部和底部的部分。

import cv2
import numpy as np

# read image as grayscale
img = cv2.imread('blackbox.png')

# convert to grayscale
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

# threshold
_,thresh = cv2.threshold(gray,0,255,cv2.THRESH_BINARY)

# apply close to connect the white areas
kernel = np.ones((75,75), np.uint8)
thresh = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, kernel)

# get contours (presumably just one around the outside) 
result = img.copy()
contours = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
contours = contours[0] if len(contours) == 2 else contours[1]
for cntr in contours:
    x,y,w,h = cv2.boundingRect(cntr)
    cv2.rectangle(result, (x, y), (x+w, y+h), (0, 0, 255), 2)

# show thresh and result    
cv2.imshow("thresh", thresh)
cv2.imshow("Bounding Box", result)
cv2.waitKey(0)
cv2.destroyAllWindows()

# save resulting images
cv2.imwrite('blackbox_thresh.png',thresh)
cv2.imwrite('blackbox_result.png',result)

输入：

形态学后的图像：

结果：

【讨论】：

这就像一个魅力，我永远不会建议解决问题的方法，谢谢！

【参考方案3】：

这里是对@fmw42's answer 的轻微修改。这个想法是将所需区域连接成一个轮廓非常相似，但是您可以直接找到边界矩形，因为只有一个对象。使用相同的裁剪输入图像，结果如下。

我们也可以选择提取 ROI

import cv2

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

# Connect into a single contour and find rect
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5,5))
dilate = cv2.dilate(thresh, kernel, iterations=1)
x,y,w,h = cv2.boundingRect(dilate)
ROI = original[y:y+h,x:x+w]
cv2.rectangle(image, (x, y), (x+w, y+h), (36, 255, 12), 2)

cv2.imshow('image', image)
cv2.imshow('ROI', ROI)
cv2.waitKey()

【讨论】：

绝妙的方法！非常感谢