我是图像处理的新手。我需要将图像文件中的填字游戏网格转换为相应的二进制等效项,即输出应该是一个数组,其中黑色方块为 1,白色方块为 0。此外,图像中的所有其他无关信息(如文本等)都将被忽略并仅将网格数字化。
角点检测算法可以帮助我们检测填字游戏的角点,然后使用蛮力相应地数字化像素块吗?这是最好的方法还是有任何有效的方法来完成任务?我更喜欢基于 python 的解决方案。
我是图像处理的新手。我需要将图像文件中的填字游戏网格转换为相应的二进制等效项,即输出应该是一个数组,其中黑色方块为 1,白色方块为 0。此外,图像中的所有其他无关信息(如文本等)都将被忽略并仅将网格数字化。
角点检测算法可以帮助我们检测填字游戏的角点,然后使用蛮力相应地数字化像素块吗?这是最好的方法还是有任何有效的方法来完成任务?我更喜欢基于 python 的解决方案。
我认为您不需要在这里使用角点检测。只需使用轮廓本身,您就可以解决它(如果您的图像是直截了当的)。下面是为您的上述图像打印数组的代码。代码注释:
import numpy as np
import cv2
img = cv2.imread('cross.jpg')
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(gray,127,255,cv2.THRESH_BINARY_INV)
thresh2 = cv2.bitwise_not(thresh)
contours,hierarchy = cv2.findContours(thresh, cv2.RETR_EXTERNAL, 1)
max_area = -1
# find contours with maximum area
for cnt in contours:
approx = cv2.approxPolyDP(cnt, 0.02*cv2.arcLength(cnt,True), True)
if len(approx) == 4:
if cv2.contourArea(cnt) > max_area:
max_area = cv2.contourArea(cnt)
max_cnt = cnt
max_approx = approx
# cut the crossword region, and resize it to a standard size of 130x130
x,y,w,h = cv2.boundingRect(max_cnt)
cross_rect = thresh2[y:y+h, x:x+w]
cross_rect = cv2.resize(cross_rect,(130,130))
# you need to uncomment these lines if your image is rotated
#new_pts = np.float32([[0,0], [0,129],[129,129],[129,0]])
#old_pts = max_approx.reshape(4,2).astype('float32')
#M = cv2.getPerspectiveTransform(old_pts,new_pts)
#cross_rect = cv2.warpPerspective(thresh2,M,(130,130))
cross = np.zeros((13,13))
# select each box, if number of white pixels is more than 50, it is white box
for i in xrange(13):
for j in xrange(13):
box = cross_rect[i*10:(i+1)*10, j*10:(j+1)*10]
if cv2.countNonZero(box) > 50:
cross.itemset((i,j),1)
print cross
对于您的上图,我得到了这样的输出:
[[ 0. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.]
[ 1. 0. 1. 0. 1. 0. 1. 0. 0. 0. 1. 0. 1.]
[ 1. 1. 1. 1. 1. 1. 1. 1. 0. 1. 1. 1. 1.]
[ 1. 0. 1. 0. 1. 0. 1. 0. 1. 0. 1. 0. 1.]
[ 1. 1. 1. 1. 1. 0. 1. 1. 1. 1. 1. 1. 1.]
[ 1. 0. 0. 0. 1. 0. 1. 0. 1. 0. 1. 0. 1.]
[ 1. 1. 1. 1. 0. 0. 0. 0. 0. 1. 1. 1. 1.]
[ 1. 0. 1. 0. 1. 0. 1. 0. 1. 0. 0. 0. 1.]
[ 1. 1. 1. 1. 1. 1. 1. 0. 1. 1. 1. 1. 1.]
[ 1. 0. 1. 0. 1. 0. 1. 0. 1. 0. 1. 0. 1.]
[ 1. 1. 1. 1. 0. 1. 1. 1. 1. 1. 1. 1. 1.]
[ 1. 0. 1. 0. 0. 0. 1. 0. 1. 0. 1. 0. 1.]
[ 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 0.]]
我已经编写了一个代码来从图像中提取数独细节,并在下面的链接中提供了详细说明(教程不完整)。您可以参考他们以获取更多详细信息:
http://opencvpython.blogspot.com/2012/06/sudoku-solver-part-1.html
http://opencvpython.blogspot.com/2012/06/sudoku-solver-part-2.html
http://opencvpython.blogspot.com/2012/06/some-common-questions.html
角落检测可能会在文本等上找到角落 - 你必须尝试一下。
我将首先使用霍夫变换http://docs.opencv.org/doc/tutorials/imgproc/imgtrans/hough_lines/hough_lines.html查找线条。检测到所有直线后,您可以通过查找线的交点来找到正方形的角。一旦你知道方块在哪里,就很容易确定方块是黑色还是白色。
您还可以编写霍夫变换来检测矩形,但这可能是不必要的复杂化。
无论你是用 Python、C++、Java 做的,都没有太大区别。