使用OPENCV寻找字体（物品）的轮廓

一、写在前面

寻找字体（物体）的轮廓在深度学习（尤其是语义分割）中具有重要的应用，而这次应用的目标就是使用opencv寻找出字体的轮廓，然后通过轮廓找出字体的笔画，以期待能够找出深度学习模型未识别出的笔画。

二、具体操作

在这里使用两种方法求出轮廓

• 第一种：使用cv2.findContours()求轮廓
• 第二种： 使用Canny算子求轮廓

findContours()

一般的过程是： 读取图像 -> 变成灰度图 -> 黑白底反转（可选）-> 膨胀->高斯滤波（淡化高斯噪声）-> 找出轮廓。
但是使用这种方法，对于识别简单的字体轮廓很好办，对于复杂的字体识别来说，效果不好。
如图所示：

适合简单物体，具体操作代码为:

 	# 图像的读入
    image = cv2.imread(img_path)
    # 变成灰度图
    img_gray = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)

	# 可选 将灰度图黑白反置
	h,w = img_gray.shape
    img = np.zeros_like(img_gray)
    for i in range(h):
        for j in range(w):
            if ( img_gray[i,j] == 0 ): img[i,j] = 255
            else: img[i,j] = 0
    

得到的图像如图所示：
但是我们需要得到纯白底的轮廓，那该咋办呢？创建另外一个白底图像，然后找出轮廓之后画到白色图像中就行。

    # 创建白底图像
    new_img = np.zeros_like(image)
    new_img.fill(255)

接下来寻找轮廓的代码:

 	contours, hierarphy = cv2.findContours(img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
    # # print(contours[0].shape)
    cv2.drawContours(new_img, contours, -1, (0,0,255), 1)
    cv2.imshow("new_img",new_img)
    cv2.waitKey(0)

就能够得到完整的轮廓了。

Canny算子

而Canny算子使用更加简单，而且适配性更高，能够应对各种复杂的情况，如图所示:

	image = cv2.imread(img_path)
    # 变成灰度图
    img_gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    # 使用Canny算子
    edge = cv2.Canny(img_gray, 100, 200)
    cv2.imshow("edge", edge)
    cv2.waitKey(0)

三、总结

1. Canny能够适用于许多复杂的情况，而findContours只能够适用简单的字体