opencv MSER.detectRegions()和findContours()有什么区别？

Question

opencv MSER.detectRegions()和findContours()有什么区别？

opencvimage-processingcomputer-visioncontourmser

3

我正在构建一个用于图像的通用文本解析算法。我正在运行：

MSER.detectRegions()

vs

findContours(...cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

在二值图像上进行操作。结果相同。

我知道可以在灰度图像上执行MSER，但我想更加安全。

我需要选择其中一个，findContours()的运行时间少于MSER的一半。

我有什么遗漏吗？你会选择哪一个？

- ndor

4

在二值图像上计算最大稳定区域是没有意义的！ - Miki

为什么不行？如果两个外壳之间有一个像素的连接，为什么不行呢？ - ndor

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- gfkri · Accepted Answer

正如已经指出的那样，在二进制图像上计算MSER是没有意义的。MSER基本上使用逐渐增加（减少）的阈值多次对图像（灰度）进行阈值处理，所得到的是一个称为组件树的结构，类似于这个链接。在不同的二值化过程中至少改变其大小/形状的连通组件就是所谓的最大稳定极端区域（例如示意图中的K）。当然，这只是一个非常简化的解释。请向Google询问更多详细信息，您会找到足够的资料。

正如您所看到的，对已经进行了阈值处理的图像进行阈值处理是没有意义的。因此，应该将灰度图像传递给MSER算法。 MSER是现代文本检测方法的常见基础（请参见这里和这里）。