opencv - Open Cv - Emgu Cv 如何在灰度图像上找到 7 段显示器的矩形区域

Question

我正在创建用于从 7 段显示压力计读取值的系统。为了从数字（七段显示器）仪表中检测数字和值，我通过以下链接：

1. https://hackernoon.com/building-a-gas-pump-scanner-with-opencv-python-ios-116fe6c9ae8b
2. https://www.pyimagesearch.com/2017/02/13/recognizing-digits-with-opencv-and-python/
3. https://www.kurokesu.com/main/2017/02/20/dumb-thermometer-gets-digital-output/
4. https://www.calloftechies.com/2017/12/character-recognition-explained.html

---

根据上述链接的解释，我创建了以下步骤来阅读数字：

1. 将图像转换为灰度图像。
2. 使用Otsu 的阈值和二进制逆算法生成二进制图像。
3. 使用Otsu 的阈值 应用 Canny 边缘检测。
4. FindContours在 Canny 边缘检测上查找。

这对某些图像效果很好，但是当表盘有一些浅色时，它就不起作用了。

浅色的原始图像。 灰度图像阈值应用图像与 Otsu 和二进制逆

您可以看到 Panel display 部分和 Gauge Area 之间没有太大的色差，因此 Otsu将整个表盘转换为白色忽略 Panel Section

另请参阅以下图像：原始图像、灰度图像和阈值图像。

.

请帮我找出矩形 在此先感谢。

Answer 1

这是一种使用轮廓近似+轮廓过滤的方法：

• 将图像转换为灰度并执行 Canny 边缘检测
• 执行形态关闭
• 使用轮廓近似查找轮廓和过滤
• 提取投资回报率

---

这是检测到的显示

由于我们已经有了边界框坐标，我们使用 Numpy 切片提取 ROI

import cv2

image = cv2.imread('1.jpg')
original = image.copy()
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
canny = cv2.Canny(gray, 20, 200, 1)

kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3,3))
close = cv2.morphologyEx(canny, cv2.MORPH_CLOSE, kernel, iterations=1)
cnts = cv2.findContours(close, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]
for c in cnts:
    peri = cv2.arcLength(c, True)
    approx = cv2.approxPolyDP(c, 0.01 * peri, True)
    area = cv2.contourArea(approx)
    if len(approx) == 4 and area > 1000:
        x,y,w,h = cv2.boundingRect(approx)
        cv2.rectangle(image, (x, y), (x + w, y + h), (36,255,12), 3)
        ROI = original[y:y+h, x:x+w]

cv2.imshow('image', image)
cv2.imshow('ROI', ROI)
cv2.waitKey()

Answer 2

Otsu 非常擅长找到一个有两个优势强度的良好阈值。但是当它们有三个（白色、灰色、黑色）时，它无法猜测您要分离什么。

如果您在拒绝大部分背景的窗口中应用 Otsu，它会再次正常工作。

Answer 3

您可以先使用圆形检测，然后再使用数字检测。得到数字检测的结果后，就可以进行高精度的面积估计。您可以使用 yolo 方法作为检测器。