15

写真からカードを識別しようとしています。理想的な写真でやりたいことはできましたが、照明が少し異なるなどで同じ手順を適用するのに苦労しています。したがって、問題は次の輪郭検出をより堅牢にすることです。

テイカーが興味のある画像を作成できるようにするには、コードの大部分を共有する必要がありますが、私の質問は最後のブロックと画像にのみ関連しています。

import numpy as np
import cv2
from matplotlib import pyplot as plt
from mpl_toolkits.axes_grid1 import ImageGrid
import math

img = cv2.imread('image.png')
img = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
plt.imshow(img)

ここに画像の説明を入力

次に、カードが検出されます。

# Prepocess
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
blur = cv2.GaussianBlur(gray,(1,1),1000)
flag, thresh = cv2.threshold(blur, 120, 255, cv2.THRESH_BINARY)
# Find contours
contours, hierarchy = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
contours = sorted(contours, key=cv2.contourArea,reverse=True) 
# Select long perimeters only
perimeters = [cv2.arcLength(contours[i],True) for i in range(len(contours))]
listindex=[i for i in range(15) if perimeters[i]>perimeters[0]/2]
numcards=len(listindex)
# Show image
imgcont = img.copy()
[cv2.drawContours(imgcont, [contours[i]], 0, (0,255,0), 5) for i in listindex]
plt.imshow(imgcont)

ここに画像の説明を入力

パースペクティブは次のように修正されます。

#plt.rcParams['figure.figsize'] = (3.0, 3.0)
warp = range(numcards)
for i in range(numcards):
    card = contours[i]
    peri = cv2.arcLength(card,True)
    approx = cv2.approxPolyDP(card,0.02*peri,True)
    rect = cv2.minAreaRect(contours[i])
    r = cv2.cv.BoxPoints(rect)

    h = np.array([ [0,0],[399,0],[399,399],[0,399] ],np.float32)
    approx = np.array([item for sublist in approx for item in sublist],np.float32)
    transform = cv2.getPerspectiveTransform(approx,h)
    warp[i] = cv2.warpPerspective(img,transform,(400,400))

# Show perspective correction
fig = plt.figure(1, (10,10))
grid = ImageGrid(fig, 111, # similar to subplot(111)
                nrows_ncols = (4, 4), # creates 2x2 grid of axes
                axes_pad=0.1, # pad between axes in inch.
                aspect=True, # do not force aspect='equal'
                )

for i in range(numcards):
    grid[i].imshow(warp[i]) # The AxesGrid object work as a list of axes.

ここに画像の説明を入力

それは私が私の問題を抱えていたということでした。形状の輪郭を検出したい。私が見つけた最良の方法は、灰色の画像でbilateralFilterとを組み合わせて使用​​することです。AdaptativeThreshold

fig = plt.figure(1, (10,10))
grid = ImageGrid(fig, 111, # similar to subplot(111)
                nrows_ncols = (4, 4), # creates 2x2 grid of axes
                axes_pad=0.1, # pad between axes in inch.
                aspect=True, # do not force aspect='equal'
                )
for i in range(numcards):
    image2 = cv2.bilateralFilter(warp[i].copy(),10,100,100)
    grey = cv2.cvtColor(image2,cv2.COLOR_BGR2GRAY)
    grey2 = cv2.cv.AdaptiveThreshold(cv2.cv.fromarray(grey), cv2.cv.fromarray(grey), 255, cv2.cv.CV_ADAPTIVE_THRESH_MEAN_C, cv2.cv.CV_THRESH_BINARY, blockSize=31, param1=6)
    grid[i].imshow(grey,cmap=plt.cm.binary)

ここに画像の説明を入力

これは私が望むものに非常に近いですが、どのように改善して、白で閉じた輪郭を取得し、他のすべてを黒で取得できますか?

4

2 に答える 2

2

右下隅の画像を除いて、次の手順は一般的に機能するはずです。

  1. バイナリ マスクを拡張および浸食して、輪郭フラグメント間の 1 つまたは 2 つのピクセルのギャップを埋めます。
  2. 最大抑制を使用して、シェイプの境界に沿った厚いバイナリ マスクを薄いエッジに変えます。
  3. パイプラインで前に使用したように、cvFindcontours を使用して閉じた輪郭を識別します。メソッドによって識別された各輪郭は、閉じているかどうかをテストできます。
  4. このような問題の一般的な解決策として、私のアルゴリズムを試して、特定の点の周りの閉じた輪郭を見つけることをお勧めします。固定でアクティブなセグメンテーションを確認する
于 2015-12-22T07:33:18.883 に答える