检测具有模糊边缘和不同背景的卡片边缘

Question

这是我的测试照片

我正在尝试找到卡片的边缘。然而，正如您所看到的，边缘有些模糊。

为了找到边缘，我首先增强图像的对比度，因此希望模糊的边缘不会那么模糊并且更容易找到： 然后我使用高斯模糊对其进行平滑处理（我尝试消除高斯模糊，但边缘检测器在背景+卡片中发现了许多细节）。

然后我使用带有“动态阈值”的 canny 并得到以下结果： 正如你所看到的，我大麦找到了卡片的任何边缘（除了左边的边缘，因为黑色背景，这很容易）。是否有一种强大的（我不想在该图像上“过度拟合”）方法来找到直线模糊边缘？

在这里找到了一些建议： 模糊边缘检测 如何从 python 中的模糊图像中找到扭曲矩形的准确角位置？，但都没有产生令人满意的边缘。

完整代码：

def auto_canny(image, sigma=0.5):
    v = np.median(image)
    lower = int(max(0, (1.0 - sigma) * v))
    upper = int(min(255, (1.0 + sigma) * v))
    return cv2.Canny(image, lower, upper)

def add_contrast(img, contrast_level=8):
    lab = cv2.cvtColor(img, cv2.COLOR_BGR2LAB)

    l, a, b = cv2.split(lab)

    clahe = cv2.createCLAHE(clipLimit=3.0, tileGridSize=(contrast_level, contrast_level))
    cl = clahe.apply(l)

    limg = cv2.merge((cl, a, b))

    final = cv2.cvtColor(limg, cv2.COLOR_LAB2BGR)

    return final

# ------------------------------------------ #
# FIND EDGES
# ------------------------------------------ #
img = add_contrast(img=img, contrast_level=8)

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
cv2.imshow("gray", gray)

kernel_size = 5
blur_gray = cv2.GaussianBlur(gray, (kernel_size, kernel_size), 0)

edges = auto_canny(image=blur_gray) 

# Show images for testing
cv2.imshow('edges', edges)
cv2.waitKey(0)
cv2.destroyAllWindows()

Answer 1

这也不是一个完整的解决方案，但如果红色部分有问题，您可以先使用cv2.inpaint()函数修复这些部分。然后您可以应用其余的方法来找到卡片边缘。

# create an inpainting mask with "red-enough" pixels
mask = cv2.inRange(img_src_rgb, np.array([200,0,0]), np.array([255,50,50]))
# enlarge the mask to cover the borders
kernel = np.ones((3,3),np.uint8)
mask = cv2.dilate(mask,kernel,iterations = 1)
# inpaint the red parts using Navier-Stokes based approach
img_dst = cv2.inpaint(img_src, mask,50,cv2.INPAINT_NS)
cv2.imshow("no_red", img_dst)

结果图像如下。

编辑：现在我们知道您在问什么，下面是一个完整的解决方案。

修复后，您可以应用霍夫变换来查找图像中的强直线。

gray = cv2.cvtColor(img_dst, cv2.COLOR_RGB2GRAY)
edges = auto_canny(gray) # your auto_canny function, WITHOUT blur
lines = cv2.HoughLines(edges, 1, np.pi/90, 50)
for line in lines:
    rho,theta = line[0]
    a = np.cos(theta)
    b = np.sin(theta)
    x0 = a*rho
    y0 = b*rho
    x1 = int(x0 + 10000*(-b))
    y1 = int(y0 + 10000*(a))
    x2 = int(x0 - 10000*(-b))
    y2 = int(y0 - 10000*(a))
    cv2.line(img_dst,(x1,y1),(x2,y2),(0,255,0),1)

cv2.imwrite('linesDetected.jpg', img_dst)

同样，结果行如下所示。