手写数字中的极端点平滑处理。

Question

我正在尝试识别手写数字。假设我有以下图片：

我的目标是平滑轮廓的极值特征，并仅保留白色轮廓的形状，如下图所示：

我首先应用了cv2.THRESH_BINARY_INV以去除噪声。

现在我尝试使用np.ones((5,5))作为核心进行cv2.erode()，但是结果图像仍然具有极值点。

我认为应用cv2.findContours()可能有助于获得所需的形状，但最终将得到两个轮廓，一个内部轮廓和另一个外部轮廓。非常感谢任何想法！

编辑： 感谢@stateMachine，我成功地获得了数字的骨架。我应用了cv2.ximgproc.thinning()，接着是cv2.GaussianBlur()和cv2.MORPH_CLOSE。如果可以稍微平滑此图像的极值点，则完美无缺。我仍然开放接受任何想法 :)

- stackneverflow

---

你可以尝试高斯平滑后再进行阈值处理。 - Jeru Luke

Answer 1

也许你正在寻找的是形状的骨架。骨架是OpenCV的扩展图像处理模块的一部分（pip install opencv-contrib-python）。你可以像这样计算图像的骨架：

# Imports:
import cv2

# Image path
path = "D://opencvImages//"
fileName = "OKwfZ.png"

# Reading an image in default mode:
inputImage = cv2.imread(path + fileName)

# To Grayscale:
grayscaleImage = cv2.cvtColor(inputImage, cv2.COLOR_BGR2GRAY)

# Compute the skeleton:
skeleton = cv2.ximgproc.thinning(grayscaleImage, None, 1)

cv2.imshow("Skeleton", skeleton)
cv2.waitKey(0)

这是结果：

骨架将图像的厚度标准化为 1 像素。如果您需要更粗的线条，则可以应用一些 膨胀操作。

- stateMachine