检测图像中的矩形并裁剪

Posted 2023-02-23

【中文标题】检测图像中的矩形并裁剪

【英文标题】：detect rectangle in image and crop

【发布时间】：2018-01-27 19:15:24

【问题描述】：

我在一个矩形（小一个）内有很多手写数字的扫描图像。

请帮我裁剪每张包含数字的图像并通过为每一行指定相同的名称来保存它们。

import cv2

img = cv2.imread('Data\Scan_20170612_4.jpg')

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
gray = cv2.bilateralFilter(gray, 11, 17, 17)
edged = cv2.Canny(gray, 30, 200)

_, contours, hierarchy = cv2.findContours(edged, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)

i = 0
for c in contours:
    peri = cv2.arcLength(c, True)
    approx = cv2.approxPolyDP(c, 0.09 * peri, True)

    if len(approx) == 4:
        screenCnt = approx
        cv2.drawContours(img, [screenCnt], -1, (0, 255, 0), 3)
        cv2.imwrite('cropped\\' + str(i) + '_img.jpg', img)

        i += 1

【问题讨论】：

您也可以通过霍夫变换找到主线的方向来撤消旋转。

【参考方案1】：

_, contours, hierarchy = cv2.findContours(edged, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)

您正在使用 cv2.RETR_LIST 来查找图像中的轮廓。为了使您的图像获得更好的输出，请使用 cv2.RETR_EXTERNAL。在使用第一条 remove black border 线之前从图像中。

cv2.RETR_LIST 为您提供图像所有轮廓的列表

cv2.RETR_EXTERNAL 只给你外部或外部轮廓，而不是内部轮廓

换行

 _, contours, hierarchy = cv2.findContours(edged, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

Contours Hierarchy

【参考方案2】：

如果你尝试，那是一件容易的事。这是我的输出-（图像及其一小部分）

我做了什么？

首先调整图像的大小，因为它在我的屏幕中太大了 侵蚀、扩张以去除小点并加粗线条 图像阈值 洪水填充，从正确的点开始 反转洪水填充 查找轮廓并一次绘制一个，其范围约为 矩形上的区域。对于我调整大小（500x500）的图像，我把区域 500 到 2500 范围内的轮廓（无论如何都要反复试验）。 找到边界矩形并从主图像中裁剪该蒙版。

然后用正确的名称保存该片段-我没有这样做。

也许，有一个更简单的方法，但我喜欢这个。不放代码是因为 我把这一切都弄得很笨拙。如果你仍然需要它会放。

当您一次找到每个轮廓时，面具的外观如下

代码：

import cv2;
import numpy as np;

# Run the code with the image name, keep pressing space bar

# Change the kernel, iterations, Contour Area, position accordingly
# These values work for your present image

img = cv2.imread("your_image.jpg", 0);
h, w = img.shape[:2]
kernel = np.ones((15,15),np.uint8)

e = cv2.erode(img,kernel,iterations = 2)  
d = cv2.dilate(e,kernel,iterations = 1)
ret, th = cv2.threshold(d, 150, 255, cv2.THRESH_BINARY_INV)

mask = np.zeros((h+2, w+2), np.uint8)
cv2.floodFill(th, mask, (200,200), 255); # position = (200,200)
out = cv2.bitwise_not(th)
out= cv2.dilate(out,kernel,iterations = 3)
cnt, h = cv2.findContours(out,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
for i in range(len(cnt)):
            area = cv2.contourArea(cnt[i])
            if(area>10000 and area<100000):
                  mask = np.zeros_like(img)
                  cv2.drawContours(mask, cnt, i, 255, -1)
                  x,y,w,h = cv2.boundingRect(cnt[i])
                  crop= img[ y:h+y,x:w+x]
                  cv2.imshow("snip",crop )
                  if(cv2.waitKey(0))==27:break

cv2.destroyAllWindows()

【讨论】：

请张贴代码

添加了代码，但不得不为你的大形象而奋斗

【参考方案3】：

这是我的版本

import cv2
import numpy as np

fileName = ['9','8','7','6','5','4','3','2','1','0']

img = cv2.imread('Data\Scan_20170612_17.jpg')

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
gray = cv2.bilateralFilter(gray, 11, 17, 17)

kernel = np.ones((5,5),np.uint8)
erosion = cv2.erode(gray,kernel,iterations = 2)
kernel = np.ones((4,4),np.uint8)
dilation = cv2.dilate(erosion,kernel,iterations = 2)

edged = cv2.Canny(dilation, 30, 200)

_, contours, hierarchy = cv2.findContours(edged, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

rects = [cv2.boundingRect(cnt) for cnt in contours]
rects = sorted(rects,key=lambda  x:x[1],reverse=True)


i = -1
j = 1
y_old = 5000
x_old = 5000
for rect in rects:
    x,y,w,h = rect
    area = w * h

    if area > 47000 and area < 70000:

        if (y_old - y) > 200:
            i += 1
            y_old = y

        if abs(x_old - x) > 300:
            x_old = x
            x,y,w,h = rect

            out = img[y+10:y+h-10,x+10:x+w-10]
            cv2.imwrite('cropped\\' + fileName[i] + '_' + str(j) + '.jpg', out)

            j+=1

【参考方案4】：

看起来位置定义明确..它不应该需要opencv..只需将图像分成瓷砖。 Imagemagik 浮现在脑海中。我经常用它来创建类似的布局..从单个图块..（与您正在做的相反） 它可以在命令行中执行此操作。