我想检测图像中的徽标以将其删除。我有一个想法是寻找具有大量像素然后删除的对象。另一个想法是遍历所有白色像素(我已经反转了我的图像)并寻找形成大区域的像素,然后删除该区域。有没有比这个更好的算法。此外,OpenCV 中的哪些方法将帮助我检测大像素数的对象。
2 回答
我有办法做到这一点。我不知道这种方法是否适用于所有人,但在这里效果很好。
以下是代码(在 Python 中):
首先将图像转换为灰度,调整图像大小,应用阈值,并制作与调整大小的灰度图像相同大小和类型的蒙版图像。(面具图像只是黑色图像)
import cv2
import numpy as np
img = cv2.imread('bus.png')
img = cv2.resize(img,(400,500))
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
ret,gray = cv2.threshold(gray,127,255,0)
gray2 = gray.copy()
mask = np.zeros(gray.shape,np.uint8)
现在在阈值图像中找到轮廓。过滤 500 到 5000 之间区域的轮廓。它很可能是一个大的白色斑点,显然不是字母。(记住,这个区域是这个图像的特殊区域。我不知道你的其他图像。你必须自己找到它)。现在在填充了白色的蒙版图像上绘制此轮廓。
contours, hier = cv2.findContours(gray,cv2.RETR_LIST,cv2.CHAIN_APPROX_SIMPLE)
for cnt in contours:
if 200<cv2.contourArea(cnt)<5000:
cv2.drawContours(img,[cnt],0,(0,255,0),2)
cv2.drawContours(mask,[cnt],0,255,-1)
Below is the detected contour image:
Next is the mask image:
cv2.bitwise_not
现在您使用函数反转图像。您可以选择在我们提供蒙版图像的地方提供蒙版,以便该功能仅在输入图像中蒙版图像中有白色的区域上运行。
cv2.bitwise_not(gray2,gray2,mask)
最后显示图像:
cv2.imshow('IMG',gray2)
cv2.waitKey(0)
cv2.destroyAllWindows()
结果如下:
笔记:
完成上述方法以将“橙色”保留在白色方块中。这就是为什么存在一些文物的原因。如果你也不想要那个橙色,它可以更准确。
只需找到区域过滤轮廓的边界矩形并绘制填充黑色的矩形。
代码 :
import cv2
import numpy as np
img = cv2.imread('bus.png')
img = cv2.resize(img,(400,500))
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
ret,gray = cv2.threshold(gray,127,255,0)
gray2 = gray.copy()
contours, hier = cv2.findContours(gray,cv2.RETR_LIST,cv2.CHAIN_APPROX_SIMPLE)
for cnt in contours:
if 200<cv2.contourArea(cnt)<5000:
(x,y,w,h) = cv2.boundingRect(cnt)
cv2.rectangle(gray2,(x,y),(x+w,y+h),0,-1)
cv2.imshow('IMG',gray2)
cv2.waitKey(0)
cv2.destroyAllWindows()
结果 :
检测到的边界矩形:
然后用黑色填充这些矩形:
它比以前更好,当然如果你不想要“橙色”)
您可以使用形态过滤器(可能是交替顺序过滤)来简化您的多色图像,然后使用分水岭或某些粒度方法等分割算法并选择最大的对象。您可能会在网上找到几个实现。但这仅在徽标是离散的(例如不在背景上)时才有效