0

我有一个图像的投影配置文件。看起来像这样 在此处输入图像描述。

代码看起来像这样

def smooth(y, box_pts):
    box = np.ones(box_pts)/box_pts
    y_smooth = np.convolve(y, box, mode='same')
    return y_smooth

img = cv2.imread(filename)

# RGB-GRAY Conversion
gray = rgb2gray(img) 

# Gray to Binary Conversion  Ostru Thresholding with Gaussian
blur = cv2.GaussianBlur(gray,(5,5),0)    
ret3,thres = cv2.threshold(blur,0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)
#_,thres= cv2.threshold(gray,140,255,cv2.THRESH_BINARY)

#Counting black pixels per row
counts = np.sum(thres==0, axis=1)
row_number = [i for i in range(thres.shape[0])]

counts = smooth(counts,19)


plt.plot(row_number, counts, label='fit')
plt.xlabel('Row Number')
plt.ylabel('Number of Black Pixels')
plt.title('Horizontal Projection Profile')

我想找到用于分隔不同行的行号。所需的 row_number 为 [0, 227, 381, 547, 687]。我尝试使用scipy.signal.argrelextrema()找到极值或局部最小值，但我也得到了其他（不需要的）最小值。所以我的问题是 - 是否有任何可能的技术让我可以找到这些行分隔符行号？

PS - 设置阈值似乎不起作用，因为对于新的图像投影配置文件可能会改变，所以阈值是。

任何帮助将不胜感激！！！

4

1 回答 1

0

假设每条线的高度都相同，您可以寻找一组最小值的一个子集。在您的情况下，另一种算法可以回答像这样的“row_number”[80、230、380、530、680]。模型方程为：row_number[n]=150*n+80=a*n+b。这个其他算法的目的是调制 a 和 b 以最小化 D 的距离（平方误差和？）与你的最小值的一个子集。a 和 b 将在您定义的集合中找到。您还可以使用另一个参数 RM，它是拒绝最小值的比率。

如果您知道行数 N，您可以在最小值中选取每个 N-tuplet 并尝试线性回归，并保持最佳猜测。

周期性现象的另一个想法当然是傅立叶分析，它会给你第一个参数 a（线高）

于 2018-01-25T08:49:24.990 回答