如何使用Open CV缩小图像中的符号

Question

我正在尝试使用Open CV缩小图像中的数字.我目前能够识别轮廓,但是一旦识别出数字,我就无法确定如何缩小数字.

这是一个示例图像:

以下是我发现的轮廓:

这是我用来实现这个目的的代码:

import cv2

image = cv2.imread("numbers.png")
edged = cv2.Canny(image, 10, 250)


# applying closing function
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (7, 7))
closed = cv2.morphologyEx(edged, cv2.MORPH_CLOSE, kernel)



_, cnts,_ = cv2.findContours(closed.copy(), cv2.RETR_EXTERNAL, 
cv2.CHAIN_APPROX_SIMPLE)
contours = []


for c in cnts:

    peri = cv2.arcLength(c, True)
    approx = cv2.approxPolyDP(c, 0.02 * peri, True)
    contours.append(approx)

    cv2.drawContours(image, [approx], -1, (0, 255, 0), 2)


cv2.imshow("Output", image)
cv2.waitKey(0)

我希望能够使用轮廓缩小数字而不影响图像的大小.这可能吗？谢谢!

Answer 1

假设您有一个名为"numbers.png"的输入图像.

首先,导入有用的库并加载输入图像:

import cv2
import numpy as np

img = cv2.imread("./numbers.png", 1)
gray = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)

其次,您需要对输入图像进行二值化并找到数字的外部轮廓:

_, im_th = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY+cv2.THRESH_OTSU)
_, contours, _ = cv2.findContours(255-im_th, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

因此,您可以看到检测到的轮廓将围绕数字.

第三,找到数字周围的相对边界框,找到方框的中点坐标(我假设数字应该调整大小并放在底线的中心):

number_imgs = []
number_btm_mid_pos = []
for cnt in contours:
    (x, y, w, h) = cv2.boundingRect(cnt)
    number_imgs.append(img[y:y+h, x:x+w])
    number_btm_mid_pos.append((int(x+w/2), y+h))

最后,调整数字大小,将它们放回图像,然后显示结果:

# resize images and put it back
output_img = np.ones_like(img) * 255
resize_ratio = 0.5
for (i, num_im) in enumerate(number_imgs):
    num_im = cv2.resize(num_im, (0,0), fx=resize_ratio, fy=resize_ratio)
    (img_h, img_w) = num_im.shape[:2]
    # x1, y1, x2, y2
    btm_x, btm_y = number_btm_mid_pos[i]
    x1 = btm_x - int(img_w / 2)
    y1 = btm_y - img_h
    x2 = x1 + img_w
    y2 = y1 + img_h
    output_img[y1:y2, x1:x2] = num_im

cv2.imshow("Output Image", output_img)
cv2.imshow("Original Input", img)
cv2.waitKey()

您可以调整变量"resize_ratio"以确保比率符合预期.结果应该是这样的图像:

您可能会注意到最后一个数字"10"正在分开.这是因为"1 0"被识别为两个独立的数字.为了使其完美,可以编写一些代码来测试每两位数之间的间隙/距离.然而,这并不是密切相关的,并且有点难以根据有限的测试输入推广解决方案.所以我就到此为止.

无论如何,祝你好运,玩得开心.