在图像中检测矩形并裁剪。

Question

我有很多手写数字的扫描图像，位于一个小矩形内。

请帮我裁剪包含数字的每张图片，并通过为每行赋予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

- utkarsh

---

您还可以通过使用Hough变换找到主线的方向来撤销旋转。 - Rob Audenaerde

Answer 1

这里是我的版本

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

- utkarsh

Answer 2

如果你尝试一下，这是一件容易的事情。这是我的输出-（图像及其一个小部分）。

我做了什么？

1. 首先调整图像大小，因为它在我的屏幕上太大了。
2. 腐蚀、膨胀以去除小点并加粗线条。
3. 对图像进行阈值处理。
4. 从右侧开始漫水填充。
5. 反转漫水填充。
6. 查找轮廓并逐个绘制，范围大约在矩形区域内。对于我的调整大小（500x500）的图像，我将轮廓面积设置在500到2500之间（试错法）。
7. 查找边界矩形并从主图像中裁剪该掩码。

8. 然后使用正确的名称保存那个部分-我没有这样做。

   也许有一种更简单的方法，但我喜欢这种方法。没有放代码，因为我把它搞得很笨拙。如果您仍需要，我会放上来的。

   下面是找到每个轮廓时掩码的样子

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()

- I.Newton

---

请发表代码。 - utkarsh

添加了代码，不过处理你的大图有些费劲。 - I.Newton

Answer 3

_, 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。为了获得更好的输出，请使用cv2.RETR_EXTERNAL。在使用之前，先从图像中删除黑色边框线。

cv2.RETR_LIST会为图像提供所有轮廓的列表

cv2.RETR_EXTERNAL仅提供外部或外部轮廓，而不是内部轮廓

将行更改为

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

轮廓层次结构

- Kallz