如何使用Python OpenCV检测和查找表单中的复选框？

Question

如何使用Python OpenCV检测和查找表单中的复选框？

pythonimageopencvimage-processingcomputer-vision

12

我有几张图片需要使用计算机视觉检测复选框并进行OMR。

我正在使用findContours仅在扫描文档中的复选框上绘制轮廓。但该算法会提取文本的每一个轮廓。

from imutils.perspective import four_point_transform
from imutils import contours
import numpy as np
import argparse, imutils, cv2, matplotlib
import matplotlib.pyplot as plt
import matplotlib.image as mpimg

image = cv2.imread("1.jpg")
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
blurred = cv2.GaussianBlur(gray, (5, 5), 0)
edged = cv2.Canny(blurred, 75, 200)

im_test = [blurred, cv2.GaussianBlur(gray, (7, 7), 0), cv2.GaussianBlur(gray, (5, 5), 5), cv2.GaussianBlur(gray, (11, 11), 0)]
im_thresh = [ cv2.threshold(i, 127, 255, 0)  for i in im_test ]
im_thresh_0 = [i[1] for i in im_thresh ]
im_cnt = [cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)[0] for thresh in im_thresh_0]

im_drawn = [cv2.drawContours(image.copy(), contours, -1, (0,255,0), 1) for contours in im_cnt]

plt.imshow(im_drawn[0])
plt.show()

输入图像：

- Shivam Chaurasia

您可以在 https://dev59.com/grzpa4cB1Zd3GeqPDxID#62801071 查看我的答案，针对相同类型的问题。 - Sreekiran A R

2个回答

3

好的... 复选框总是在图像的那个区域吗？复选框始终保持相同大小的图像区域吗？

如果是，您可以仅在图像的该区域运行findContours...

或者可能是OpenCV文档中的多对象模板匹配示例: https://docs.opencv.org/3.4.3/d4/dc6/tutorial_py_template_matching.html

- ThiagoRTK

每个文档都有不同区域的复选框，其中一些水平、垂直或与文本组合对齐。此外，我正在构建的解决方案需要是无模板的。 - Shivam Chaurasia

这是一个形状检测器的示例，您可以使用该示例仅检测正方形（勾选框）：https://www.pyimagesearch.com/2016/02/08/opencv-shape-detection/希望能对您有所帮助... - ThiagoRTK

已经参考了那个例子和StackOverflow上的许多线程，但我仍然无法找到如何避免文本区域的方法。 - Shivam Chaurasia

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

- nathancy · Accepted Answer

获取二进制图像。 加载图像，灰度化，高斯模糊和Otsu自适应阈值分割以获取二进制黑白图像。
去除小的噪点。 查找轮廓并使用轮廓面积筛选来消除噪声。
修复复选框的水平和垂直墙壁。 这一步是可选的，但在复选框可能损坏的情况下，我们会修复墙壁以便更容易检测。思路是创建一个矩形核然后进行形态学操作。
检测复选框。 从这里开始，我们找到轮廓，获取边界矩形坐标，并使用图形近似 + 宽高比进行筛选。复选框本质上是一个正方形，因此其轮廓尺寸应该在一定范围内。

输入图像 -> 二进制图像

已检测出的复选框已用绿色突出显示

复选框：52

另一个输入图像 -> 二进制图像

已检测出的复选框已用绿色突出显示

import cv2 # Load image, convert to grayscale, Gaussian blur, Otsu's threshold image = cv2.imread('1.jpg') original = image.copy() gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) blur = cv2.GaussianBlur(gray, (3,3), 0) thresh = cv2.threshold(blur, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)[1] # Find contours and filter using contour area filtering to remove noise cnts, _ = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)[-2:] AREA_THRESHOLD = 10 for c in cnts: area = cv2.contourArea(c) if area < AREA_THRESHOLD: cv2.drawContours(thresh, [c], -1, 0, -1) # Repair checkbox horizontal and vertical walls repair_kernel1 = cv2.getStructuringElement(cv2.MORPH_RECT, (5,1)) repair = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, repair_kernel1, iterations=1) repair_kernel2 = cv2.getStructuringElement(cv2.MORPH_RECT, (1,5)) repair = cv2.morphologyEx(repair, cv2.MORPH_CLOSE, repair_kernel2, iterations=1) # Detect checkboxes using shape approximation and aspect ratio filtering checkbox_contours = [] cnts, _ = cv2.findContours(repair, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[-2:] for c in cnts: peri = cv2.arcLength(c, True) approx = cv2.approxPolyDP(c, 0.035 * peri, True) x,y,w,h = cv2.boundingRect(approx) aspect_ratio = w / float(h) if len(approx) == 4 and (aspect_ratio >= 0.8 and aspect_ratio <= 1.2): cv2.rectangle(original, (x, y), (x + w, y + h), (36,255,12), 3) checkbox_contours.append(c) print('Checkboxes:', len(checkbox_contours)) cv2.imshow('thresh', thresh) cv2.imshow('repair', repair) cv2.imshow('original', original) cv2.waitKey()