Question

我目前正在处理一个图片，我必须找到盒子外部区域。但我没能找到白色和黑色的盒子区域。

更新编辑：如果我使用HLS而不是HSV我可以找到3个盒子区域，但仍然缺少2个。这是新输出： https://i.imgur.com/eUqltKI.png

这是我的代码：

import cv2
import numpy as np
img = cv2.imread("1.png")
imghsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
lower_blue = np.array([0,50,0])
upper_blue = np.array([255,255,255])
mask_blue = cv2.inRange(imghsv, lower_blue, upper_blue)
_, contours, _ = cv2.findContours(mask_blue, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
im = np.copy(img)
cv2.drawContours(im, contours, -1, (0, 255, 0), 2)
cv2.imwrite("contours_blue.png", im)

Answer 1

您使用

生成的面具

mask_blue = cv2.inRange(imghsv, lower_blue, upper_blue)

根本不包括底行，因此无法使用

检测这些大纲

_, contours, _ = cv2.findContours(mask_blue, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

您可以尝试使用多个蒙版/阈值来考虑不同的颜色范围并合并检测到的轮廓。

Answer 2

当您处理许多不同颜色的对象（事先不知道）并且背景颜色不一定与所有对象颜色明显不同时，颜色通道阈值不是最佳解决方案。多个阈值/条件的组合可以解决这个特定图像的工作，但是这种相同的组合可能因输入稍有不同而失败，所以我认为这种方法通常不太好。

我认为这个问题非常基础，所以我建议坚持一个简单的方法。例如，如果您在图像上应用Sobel运算符，则会得到如下结果。某些边框上的结果强度较弱，因此我将图像颜色反转以使其更清晰可见。

react-adsense

网上有很多关于Sobel运营商的教程，所以我不打算在这里详细介绍。在您的输入图像上没有噪音，因此框外和框内的强度为零。因此，我建议屏蔽所有零值。如果在此之后进行轮廓检测，则每个方格最终会有两个轮廓 - 一个位于边框的内侧，另一个位于边框的外侧。如果您只想在外边框上提取轮廓，请参阅OpenCV文档中轮廓雇用的工作原理。如果你想在边框上精确地，请自我修复外部轮廓和侵蚀。

如何找到白色和黑色盒子的轮廓？

2 个答案: