实战 | OpenCV如何将不同轮廓合并成一个轮廓(附源码)
2023-03-20 15:36:48 时间
导读
本文主要介绍如何用OpenCV将不同的轮廓合并成一个轮廓的实现方法和代码演示。
背景介绍
在图像处理的应用场景中常常会遇到一种情况,本来是一个整体的目标,因为不同的亮度或其他原因导致它分割成多个部分,这种情况在用OpenCV处理的时候会被当成多个轮廓(如下图所示),那么遇到这种情况,我们如何把不同的轮廓合并成一个轮廓,然后做后续的处理呢?
实现方法与步骤
这里我们不用上面的绘画图,而是使用下面这张图做演示:
我们的目的:将上图中的文字轮廓看成一个整体,然后求其最小外接矩形,获得角度,将文字旋转水平,后续可以做简单的文字识别。
【1】先提取文字部分轮廓(S通道阈值处理)
hsvImg = cv2.cvtColor(src,cv2.COLOR_BGR2HSV)
H,S,V = cv2.split(hsvImg)
ret, thresImg= cv2.threshold(S, 138, 255, cv2.THRESH_BINARY)
【2】中值滤波去除小杂讯
blurImg = cv2.medianBlur(thresImg,5)
cv2.imshow('blur', blurImg)
【3】查找轮廓计算轮廓最小外接矩形
contours,hierarchy = cv2.findContours(blurImg, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
merge_list = []
for cnt in contours:
rect = cv2.minAreaRect(cnt)
box = cv2.boxPoints(rect)
box = np.int0(box)
split_res = cv2.drawContours(split_res,[box],0,(0,0,255),2)
merge_list.append(cnt)
【4】轮廓合并成一个绘制最小外接矩形
contours_merge = np.vstack([merge_list[0],merge_list[1]])
for i in range(2, len(merge_list)):
contours_merge = np.vstack([contours_merge,merge_list[i]])
rect2 = cv2.minAreaRect(contours_merge)
box2 = cv2.boxPoints(rect2)
box2 = np.int0(box2)
merge_res = cv2.drawContours(merge_res,[box2],0,(0,255,0),2)
完整代码与效果:
import numpy as np
import cv2
src = cv2.imread('A.jpg')
cv2.imshow('src', src)
split_res = src.copy()#显示每个轮廓结构
merge_res = src.copy()#显示合并后轮廓结构
# 记录开始时间
start = cv2.getTickCount()
hsvImg = cv2.cvtColor(src,cv2.COLOR_BGR2HSV)
H,S,V = cv2.split(hsvImg)
ret, thresImg= cv2.threshold(S, 138, 255, cv2.THRESH_BINARY)
cv2.imshow('threshold', thresImg)
blurImg = cv2.medianBlur(thresImg,5)
cv2.imshow('blur', blurImg)
contours,hierarchy = cv2.findContours(blurImg, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
merge_list = []
for cnt in contours:
rect = cv2.minAreaRect(cnt)
box = cv2.boxPoints(rect)
box = np.int0(box)
split_res = cv2.drawContours(split_res,[box],0,(0,0,255),2)
merge_list.append(cnt)
cv2.imshow('split_res', split_res)
cv2.imwrite('split_res.jpg', split_res)
contours_merge = np.vstack([merge_list[0],merge_list[1]])
for i in range(2, len(merge_list)):
contours_merge = np.vstack([contours_merge,merge_list[i]])
rect2 = cv2.minAreaRect(contours_merge)
box2 = cv2.boxPoints(rect2)
box2 = np.int0(box2)
merge_res = cv2.drawContours(merge_res,[box2],0,(0,255,0),2)
cv2.imshow('merge_res', merge_res)
cv2.imwrite('merge_res.jpg', merge_res)
# 记录结束时间
end = cv2.getTickCount()
# 运行耗时
use_time = (end - start) / cv2.getTickFrequency()
print('use-time: %.3fs' % use_time)
cv2.waitKey(0)
cv2.destroyAllWindows()
print ('finish')
然后通过最小外接矩形角度旋转即可矫正了
相关文章
- 金融服务领域的大数据:即时分析
- 影响大数据、机器学习和人工智能未来发展的8个因素
- 从0开始构建一个属于你自己的PHP框架
- 如何将Hadoop集成到工作流程中?这6个优秀实践必看
- SEO公司使用大数据优化其模型的5种方法
- 关于Web Workers你需要了解的七件事
- 深入理解HTTPS原理、过程与实践
- 增强分析:数据和分析的未来
- PHP协程实现过程详解
- AI专家:大数据知识图谱——实战经验总结
- 关于PHP的错误机制总结
- 利用数据分析量化协同过滤算法的两大常见难题
- 怎么做大数据工作流调度系统?大厂架构师一语点破!
- 2019大数据处理必备的十大工具,从Linux到架构师必修
- OpenCV中的KMeans算法介绍与应用
- 教大家如果搭建一套phpstorm+wamp+xdebug调试PHP的环境
- CentOS下三种PHP拓展安装方法
- Go语言HTTP Server源码分析
- Go语言HTTP Server源码分析
- 2017年4月编程语言排行榜:Hack首次进入前五十