我正在尝试读取扫描图像中的所有手写数字。我尝试使用 PIL 按像素逐个查找,裁剪子图像,然后通过神经网络进行处理,但是被裁剪的区域从未完全对齐,导致准确性不高。我还尝试使用 OpenCV 查找所有灰色正方形,然后裁剪图像并将其馈送到神经网络中,但我似乎无法使其找到所有正方形,甚至会错过一些;它会错过约30%的正方形。(我在使用 OpenCV 方面经验不足,所以可能出了点问题)。因此,我正在寻找这个问题的解决方案,欢迎提出任何建议,谢谢!
我将假设输入图片的名称为“squares.jpg”。
首先,导入所需的库并以RGB和灰度格式加载图像:
import cv2
import numpy as np
image = cv2.imread("squares.jpg", 1)
image_gray = cv2.imread("squares.jpg", 0)
image_gray = np.where(image_gray > 240, 255, image_gray)
image_gray = np.where(image_gray <= 240, 0, image_gray)
因为我们需要从图像中获取整个正方形区域。在执行自适应阈值方法之前,我们需要稍微模糊图像:
image_gray = cv2.blur(image_gray, (5, 5))
im_th = cv2.adaptiveThreshold(image_gray, 255,
cv2.ADAPTIVE_THRESH_GAUSSIAN_C,
cv2.THRESH_BINARY, 115, 1)
kernal = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))
im_th = cv2.morphologyEx(im_th, cv2.MORPH_OPEN, kernal, iterations=3)
_, contours, _ = cv2.findContours(im_th.copy(), cv2.RETR_LIST,
cv2.CHAIN_APPROX_SIMPLE)
contours = sorted(contours, key=cv2.contourArea, reverse=True)
contours.remove(contours[0]) #remove the biggest contour
square_rects = []
square_areas = []
for i, cnt in enumerate(contours):
(x, y, w, h) = cv2.boundingRect(cnt)
ar = w / float(h)
if 0.9 < ar < 1.1:
square_rects.append(((x,y), (x+w, y+h)))
square_areas.append(w*h) #store area information
import statistics
median_size_limit= statistics.median(square_areas) * 0.8
square_rects = [rect for i, rect in enumerate(square_rects)
if square_areas[i] > median_size_limit]
for rect in square_rects:
cv2.rectangle(image, rect[0], rect[1], (0,255,0), 2)
cv2.imwrite("_output_image.png", image)
cv2.imshow("image", image)
cv2.waitKey()