我有几个扫描图像,我想用Python/Opencv计算。这些图像(见下面的示例)包含n行彩色正方形。每一个方块的大小都一样。目标是裁剪每个方块并从中提取数据。在
我发现了there一种能从图像中提取正方形的代码。在
以下是我使用过的代码:import numpy as np
import cv2
from matplotlib import pyplot as plt
def angle_cos(p0, p1, p2):
import numpy as np
d1, d2 = (p0-p1).astype('float'), (p2-p1).astype('float')
return abs( np.dot(d1, d2) / np.sqrt( np.dot(d1, d1)*np.dot(d2, d2) ) )
def find_squares(img):
import cv2 as cv
import numpy as np
img = cv.GaussianBlur(img, (5, 5), 0)
squares = []
for gray in cv.split(img):
for thrs in range(0, 255, 26):
if thrs == 0:
bin = cv.Canny(gray, 0, 50, apertureSize=5)
bin = cv.dilate(bin, None)
else:
_retval, bin = cv.threshold(gray, thrs, 255, cv.THRESH_BINARY)
contours, _hierarchy = cv.findContours(bin, cv.RETR_LIST, cv.CHAIN_APPROX_SIMPLE)
for cnt in contours:
cnt_len = cv.arcLength(cnt, True)
cnt = cv.approxPolyDP(cnt, 0.02*cnt_len, True)
if len(cnt) == 4 and cv.contourArea(cnt) > 1000 and cv.isContourConvex(cnt):
cnt = cnt.reshape(-1, 2)
max_cos = np.max([angle_cos( cnt[i], cnt[(i+1) % 4], cnt[(i+2) % 4] ) for i in range(4)])
if max_cos < 0.1:
squares.append(cnt)
print(len(squares))
return squares
img = cv2.imread("test_squares.jpg",1)
plt.axis("off")
plt.imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))
plt.show()
squares = find_squares(img)
cv2.drawContours( img, squares, -1, (0, 255, 0), 1 )
plt.imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))
plt.show()
但是,它会找到两个很多的正方形(100而不是15!!)。从图像来看,Opencv似乎为每个正方形找到了很多轮廓。在
我很确定它是可以优化的,因为正方形大小差不多,而且彼此相距很远。作为Opencv的一个初学者,我还没有找到一种方法在函数“find squares”中给出更多的标准,以便在例程结束时只得到15个正方形。也许轮廓面积可以最大化?在
我还发现了there一个更详细的代码(与前一个非常接近),但它似乎是在旧版本的Opencv中开发的。我还没有设法使它工作(因此修改它)。在