平滑手写数字中的极端点

发布于 2025-01-25 07:45:27 字数 1176 浏览 2 评论 0原文

我试图识别手写数字。说我有以下图像：

net/p4h8t.png“ rel =“ nofollow noreferrer”>

我首先应用cv2。 thresh_binary_inv删除噪声。

现在我尝试使用cv2.erode（） np.ones（（（5,5））作为内核，但是结果图仍然具有极端点。

我认为应用cv2.findContours（）可能有助于获得所需的形状，但我将最终得到两个轮廓，一个用于内部，另一个用于外部。任何想法都将不胜感激！

编辑：多亏了@statemachine，我设法获得了数字的骨架。我应用了cv2.ximgproc.thinning（），然后是cv2.gaussianblur（）和cv2.morph_close。如果该图像的极端点可以稍微平滑一点，那么它将是完美的。我仍然对任何想法开放:)

原文

分享到QQ

分享到微博

如果你对这篇内容有疑问，欢迎到本站社区发帖提问参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。

发布评论

需要登录才能够评论，你可以免费注册一个本站的账号。

任谁 2025-02-01 07:45:27

也许您正在寻找的是形状的骨架。骨架是OpenCV的扩展图像处理模块的一部分（pip install opencv-contrib-python）。您可以这样计算图像的骨架：

# Imports:
import cv2

# Image path
path = "D://opencvImages//"
fileName = "OKwfZ.png"

# Reading an image in default mode:
inputImage = cv2.imread(path + fileName)

# To Grayscale:
grayscaleImage = cv2.cvtColor(inputImage, cv2.COLOR_BGR2GRAY)

# Compute the skeleton:
skeleton = cv2.ximgproc.thinning(grayscaleImage, None, 1)

cv2.imshow("Skeleton", skeleton)
cv2.waitKey(0)

这是结果：

骨架将图像的厚度归一化为1 Pixel。如果需要较厚的线，则可以应用一些扩张。

Maybe what you are looking for is the shape's skeleton. The skeleton is part of OpenCV's extended image processing module (pip install opencv-contrib-python). You can compute the skeleton of your image like this:

# Imports:
import cv2

# Image path
path = "D://opencvImages//"
fileName = "OKwfZ.png"

# Reading an image in default mode:
inputImage = cv2.imread(path + fileName)

# To Grayscale:
grayscaleImage = cv2.cvtColor(inputImage, cv2.COLOR_BGR2GRAY)

# Compute the skeleton:
skeleton = cv2.ximgproc.thinning(grayscaleImage, None, 1)

cv2.imshow("Skeleton", skeleton)
cv2.waitKey(0)

This is the result: