检测图像中的矩形并裁剪

Question

我有很多矩形（小的）内手写数字的扫描图像。

请帮我裁剪每张包含数字的图像，并通过为每一行指定相同的名称来保存它们。

import cv2

img = cv2.imread('Data\Scan_20170612_4.jpg')

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
gray = cv2.bilateralFilter(gray, 11, 17, 17)
edged = cv2.Canny(gray, 30, 200)

_, contours, hierarchy = cv2.findContours(edged, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)

i = 0
for c in contours:
    peri = cv2.arcLength(c, True)
    approx = cv2.approxPolyDP(c, 0.09 * peri, True)

    if len(approx) == 4:
        screenCnt = approx
        cv2.drawContours(img, [screenCnt], -1, (0, 255, 0), 3)
        cv2.imwrite('cropped\' + str(i) + '_img.jpg', img)

        i += 1

Answer 1

_, contours, hierarchy = cv2.findContours(edged, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)

您正在使用 cv2.RETR_LIST 在图像中查找轮廓。为了使您的图像获得更好的输出，请使用 cv2.RETR_EXTERNAL。在使用第一个 从图像中删除黑色 border 线之前。

cv2.RETR_LIST 为您提供图像的所有轮廓列表

cv2.RETR_EXTERNAL 只给出外部或外轮廓，不给出内部轮廓

将行更改为

 _, contours, hierarchy = cv2.findContours(edged, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

Contours Hierarchy

Answer 2

如果您尝试的话，这是一件容易的事情。这是我的输出-（图像及其一小部分）

我做了什么？

先调整图片大小，因为它在我的屏幕上太大了
腐蚀、膨胀以去除小点并加粗线条
图像阈值
洪水填充，从正确的点开始
反转洪水填充
查找等高线并一次绘制一个，其范围大约为矩形上的面积。对于我调整大小的 (500x500) 图像，我将 Area of 轮廓在 500 到 2500 范围内（无论如何都要反复试验）。
找到边界矩形并从主图像中裁剪该蒙版。
然后用正确的名字保存那个片段——我没有这样做。

也许有更简单的方法，但我喜欢这个。不放代码是因为我把它弄得很笨拙。如果你还需要的话会放的。

这是一次找到每个轮廓时蒙版的样子

代码：

import cv2;
import numpy as np;

# Run the code with the image name, keep pressing space bar

# Change the kernel, iterations, Contour Area, position accordingly
# These values work for your present image

img = cv2.imread("your_image.jpg", 0);
h, w = img.shape[:2]
kernel = np.ones((15,15),np.uint8)

e = cv2.erode(img,kernel,iterations = 2)  
d = cv2.dilate(e,kernel,iterations = 1)
ret, th = cv2.threshold(d, 150, 255, cv2.THRESH_BINARY_INV)

mask = np.zeros((h+2, w+2), np.uint8)
cv2.floodFill(th, mask, (200,200), 255); # position = (200,200)
out = cv2.bitwise_not(th)
out= cv2.dilate(out,kernel,iterations = 3)
cnt, h = cv2.findContours(out,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
for i in range(len(cnt)):
            area = cv2.contourArea(cnt[i])
            if(area>10000 and area<100000):
                  mask = np.zeros_like(img)
                  cv2.drawContours(mask, cnt, i, 255, -1)
                  x,y,w,h = cv2.boundingRect(cnt[i])
                  crop= img[ y:h+y,x:w+x]
                  cv2.imshow("snip",crop )
                  if(cv2.waitKey(0))==27:break

cv2.destroyAllWindows()

Answer 3

这是我的版本

import cv2
import numpy as np

fileName = ['9','8','7','6','5','4','3','2','1','0']

img = cv2.imread('Data\Scan_20170612_17.jpg')

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
gray = cv2.bilateralFilter(gray, 11, 17, 17)

kernel = np.ones((5,5),np.uint8)
erosion = cv2.erode(gray,kernel,iterations = 2)
kernel = np.ones((4,4),np.uint8)
dilation = cv2.dilate(erosion,kernel,iterations = 2)

edged = cv2.Canny(dilation, 30, 200)

_, contours, hierarchy = cv2.findContours(edged, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

rects = [cv2.boundingRect(cnt) for cnt in contours]
rects = sorted(rects,key=lambda  x:x[1],reverse=True)


i = -1
j = 1
y_old = 5000
x_old = 5000
for rect in rects:
    x,y,w,h = rect
    area = w * h

    if area > 47000 and area < 70000:

        if (y_old - y) > 200:
            i += 1
            y_old = y

        if abs(x_old - x) > 300:
            x_old = x
            x,y,w,h = rect

            out = img[y+10:y+h-10,x+10:x+w-10]
            cv2.imwrite('cropped\' + fileName[i] + '_' + str(j) + '.jpg', out)

            j+=1

Answer 4

看起来位置定义得很好..它应该不需要 opencv..只是将图像分割成图块。我想到了 Imagemagik。我经常使用它来创建类似的布局..从单个瓷砖..（与您正在做的相反）它可以在命令行执行此操作。

检测图像中的矩形并裁剪

detect rectangle in image and crop

python

opencv

image-processing

scikit-image