如何通过使用Python OpenCV删除噪声来检测复选框？

Question

我正在尝试识别图像中的复选框，

但底部2却没有。同时，我希望能够摆脱胡椒，以避免误报，因为还有其他文档具有小得多的符号。我尝试了各种扩张和内核大小，但我无法成功获得盒子。

我试图将其扩张，然后侵蚀它，

kernel = np.ones((2, 2), np.uint8)
image_dilat = cv2.dilate(image, kernel, iterations=1)
kernel = np.ones((4, 4), np.uint8)
image_erosion = cv2.erode(image_dilat2, kernel, iterations=1)

我尝试将其变形，并

kernel = np.ones((3, 3), np.uint8)
image = cv2.morphologyEx(image, cv2.MORPH_OPEN, kernel, iterations=1)

kernel = np.ones((3, 3), np.uint8)
image = cv2.morphologyEx(image, cv2.cv2.MORPH_CLOSE, , kernel, iterations=1)

感谢任何建议。

Answer 1

这是一种使用简单图像处理的潜在方法：

1. 获得二进制图像。加载图像，转换为灰度和otsu的阈值。

2. 删除小像素的噪音。查找轮廓并使用轮廓区域过滤过滤噪声。我们通过“绘制”黑色轮廓有效地消除了噪音。

3. 维修复选框墙。从这里创建一个水平和垂直维修内核，然后在固定复选框墙中的任何孔的形态上执行形态。

4. 检测复选框。接下来在修复的图像上查找轮廓，然后使用形状近似和纵横比过滤过滤复选框轮廓。这个想法是复选框是一个正方形，应具有大致相同的宽度和高度。

---

带有噪声的二进制图像- ＆gt;删除了微小的噪声

修复的复选框墙- ＆gt;检测到的复选框

代码

import cv2

# Load image, convert to grayscale, Otsu's threshold
image = cv2.imread('1.png')
original = image.copy()
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)[1]
cv2.imshow('thresh before', thresh)

# 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
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, 0.05 * peri, True)
    x,y,w,h = cv2.boundingRect(approx)
    aspect_ratio = w / float(h)
    if aspect_ratio > 0.9 and aspect_ratio < 1.1:
        cv2.rectangle(original, (x, y), (x + w, y + h), (36,255,12), 3)

cv2.imshow('thresh', thresh)
cv2.imshow('repair', repair)
cv2.imshow('original', original)
cv2.waitKey()

注意： 假设复选框是正方形的，并且没有噪声重叠复选框。根据图像的不同，您可能需要添加另一层轮廓区域过滤，以确保您不会获得误报。