我的任務(wù)是檢測圖像中的圓圈和單選按鈕。為此，我通過使用不同的參數(shù)嘗試了霍夫圓。問題：如果圖像中的圓圈與單選按鈕的半徑相同，則兩者都會(huì)被檢測到，但在我們的情況下，它應(yīng)該只檢測到一個(gè)。有沒有辦法區(qū)分圓圈和單選按鈕（當(dāng)未選中它們時(shí)）?，F(xiàn)在我用半徑限制它們，有兩種不同的功能，一種用于圓形，一種用于單選按鈕。上面的代碼是針對圓的 circle_contours=[] # Converting the image Gray scale gray = cv2.cvtColor(image1, cv2.COLOR_BGR2GRAY) # Blur the image to reduce noise img_blur = cv2.medianBlur(gray, 5) # Apply hough transform on the image circles = cv2.HoughCircles(img_blur, cv2.HOUGH_GRADIENT, 1,20, param1=50, param2=20, minRadius=11, maxRadius=21) # Draw detected circles if circles is not None: circles = np.uint16(np.around(circles)) for i in circles[0, :]: # Draw outer circle cv2.circle(image1, (i[0], i[1]), i[2], (34, 255, 34), 2) circle_contours.append(circles)我對單選按鈕使用了類似的方法，但參數(shù)不同，如下所示。 radio_buttons= cv2.HoughCircles(img_blur, cv2.HOUGH_GRADIENT, 1,20, param1=50, param2=16, minRadius=9, maxRadius=10)原始圖像圖片1：圖片2：對于 Image1，它正確檢測到圓圈，當(dāng)它傳遞到單選按鈕功能時(shí)，它還會(huì)為其內(nèi)部繪制半徑減小的圓圈（Image2），這些圓圈也被檢測為單選按鈕在Image3 Image3 中，它必須檢測圓形和單選按鈕，而我的代碼只能檢測圓形。我也嘗試過使用繪制輪廓，但當(dāng)圖像也有復(fù)選框時(shí)會(huì)出現(xiàn)問題。有沒有其他方法或者更好的檢測方法？
1 回答
RISEBY
TA貢獻(xiàn)1856條經(jīng)驗(yàn) 獲得超5個(gè)贊
找到并畫出答題卡中的所有輪廓。
申請
HoughCircles
步驟＃1：我們可以從找到給定答卷中的所有輪廓開始。
contourIdx=-1意思是畫出所有的輪廓。
import cv2
import numpy as np
image = cv2.imread('zip_grade_form.png')
# Converting the image Gray scale
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(src=gray, thresh=127, maxval=255, type=0)
contours, hierarchy = cv2.findContours(image=thresh,
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?mode=cv2.RETR_TREE,
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?method=cv2.CHAIN_APPROX_SIMPLE)
gray = cv2.drawContours(image=gray, contours=contours, contourIdx=-1,
? ? ? ? ? ? ? ? ? ? ?color=(255, 255, 255), thickness=2)
結(jié)果：
從上面我們可以看到，除了圓圈之外的所有特征都被刪除了。我們使用該
findContours方法來刪除不需要的偽影。
步驟#2：申請HoughCircles。您在問題上編寫的代碼相同。結(jié)果：
代碼：
import cv2
import numpy as np
image = cv2.imread('zip_grade_form.png')
# Converting the image Gray scale
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(src=gray, thresh=127, maxval=255, type=0)
contours, hierarchy = cv2.findContours(image=thresh,
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?mode=cv2.RETR_TREE,
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?method=cv2.CHAIN_APPROX_SIMPLE)
gray = cv2.drawContours(image=gray, contours=contours, contourIdx=-1,
? ? ? ? ? ? ? ? ? ? ? ? color=(255, 255, 255), thickness=2)
cv2.imwrite("gray.png", gray)
img_blur = cv2.medianBlur(gray, 5)
circles = cv2.HoughCircles(img_blur, cv2.HOUGH_GRADIENT, 1, 20, param1=50, param2=16,
? ? ? ? ? ? ? ? ? ? ? ? ? ?minRadius=9, maxRadius=10)
circle_contours = []
if circles is not None:
? ? circles = np.uint16(np.around(circles))
? ? for i in circles[0, :]:
? ? ? ? # Draw outer circle
? ? ? ? cv2.circle(image, (i[0], i[1]), i[2], (108, 105, 255), 2)
? ? ? ? circle_contours.append(circles)
cv2.imwrite("circles.png", image)
更新
為了檢測復(fù)選框和單選按鈕，您需要計(jì)算
contour-perimeter(p) 和contour-approximation(a)。我們可以使用
p和a值來分隔每個(gè)對象，因?yàn)槊總€(gè)對象都有唯一的p和a值。例如，在圖像 3 中，
復(fù)選框：
p= 73 和a= 4單選按鈕：
p= 64 和a= 8。
您可以通過觀察代碼找到這些值。
再次應(yīng)用第一步。
結(jié)果：
現(xiàn)在找到上圖中的輪廓：
if len(approx) == 8 and int(p) == 64:
? ? cv2.drawContours(image, [c], -1, (180, 105, 255), 3)
elif len(approx) == 4 and int(p) == 73:
? ? cv2.drawContours(image, [c], -1, (180, 105, 255), 3)
結(jié)果：
代碼：
import cv2
from imutils import grab_contours as grb_cns
from imutils import resize as rsz
image = cv2.imread('K1Z94.png')
# Converting the image Gray scale
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(src=gray, thresh=127, maxval=255, type=0)
contours, hierarchy = cv2.findContours(image=thresh.copy(),
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? mode=cv2.RETR_TREE,?
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?method=cv2.CHAIN_APPROX_SIMPLE)
gray = cv2.drawContours(image=gray, contours=contours, contourIdx=-1, color=(255, 255, 255), thickness=2)
resized = rsz(gray, width=300)
ratio = gray.shape[0] / float(gray.shape[0])
canny = cv2.Canny(gray, 50, 200)
thresh = cv2.threshold(src=canny, thresh=60, maxval=255,
? ? ? ? ? ? ? ? ? ?type=cv2.THRESH_OTSU + cv2.THRESH_BINARY)[1]
cns = cv2.findContours(image=thresh.copy(), mode=cv2.RETR_EXTERNAL, method=cv2.CHAIN_APPROX_SIMPLE)
cns = grb_cns(cns)
for c in cns:
? ? ?p = cv2.arcLength(c, True)? # perimeter
? ? ?approx = cv2.approxPolyDP(c, 0.04 * p, True)
? ? ?M = cv2.moments(c)
? ? ?# check if the all values of M are 0.
? ? ?all_zr = all(value == 0 for value in M.values())
? ? ?if not all_zr:
? ? ? ? ?cX = int((M["m10"] / M["m00"]))
? ? ? ? ?cY = int((M["m01"] / M["m00"]))
? ? ? ? ?c = c.astype("float")
? ? ? ? ?c *= ratio
? ? ? ? ?c = c.astype("int")
? ? ? ? ?# Circles: (radio-buttons)
? ? ? ? ?if len(approx) == 8 and int(p) == 64:
? ? ? ? ? ? ?cv2.drawContours(image, [c], -1, (180, 105, 255), 3)
? ? ? ? ?elif len(approx) == 4 and int(p) == 73:
? ? ? ? ? ? ?cv2.drawContours(image, [c], -1, (180, 105, 255), 3)
? cv2.imwrite("result.png", image)
添加回答
舉報(bào)
0/150
提交
取消