Python Opencv\ 检测并删除图像上的一条线
Python Opencv\ Detect and delete a line on an image
我的个人项目是使用 Python 研究图像处理的工作原理。我是这个领域的新手。
我有一个小问题困扰了我几分钟(实际上我屏蔽了这么简单的东西已经一个小时了,虽然可能在你眼里......)
让我解释一下:
我想在我的图像上提取(或者 "delete")这条线(我将这条线熨烫成红色,这样我们最多可以看到它):
http://prntscr.com/hhgzhk
按照本教程 (https://docs.opencv.org/3.0-beta/doc/py_tutorials/py_imgproc/py_gradients/py_gradients.html#gradients),我设法使相关行更加突出,如图所示。
http://prntscr.com/hhgy72
我现在想使用此方法检测此图像中的线条:https://docs.opencv.org/3.0-beta/doc/py_tutorials/py_imgproc/py_houghlines/py_houghlines.html#py-hough-lines
将这些方法应用到我的图像后,出现以下错误:
for rho,theta in lines[0]:
TypeError: 'NoneType' object has no attribute '__getitem__'
代码内容如下(完全对应教程:')):
import cv2
import numpy as np
img = cv2.imread('houghlines3.jpg')
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
edges = cv2.Canny(gray,50,150,apertureSize = 3)
lines = cv2.HoughLines(edges,1,np.pi/180,200)
for rho,theta in lines[0]:
a = np.cos(theta)
b = np.sin(theta)
x0 = a*rho
y0 = b*rho
x1 = int(x0 + 1000*(-b))
y1 = int(y0 + 1000*(a))
x2 = int(x0 - 1000*(-b))
y2 = int(y0 - 1000*(a))
cv2.line(img,(x1,y1),(x2,y2),(0,0,255),2)
cv2.imwrite('houghlines4.jpg',img)
分析了一下,发现错误可能是因为变量"lines"的内容是None
。
因此,我推断他在我的图像上没有发现线条。
我现在问自己的问题是如何提取有问题的这一行?
不知道有没有人有想法
我意识到我想在验证码上这样做,所以这不太符合道德规范。知道这完全是教育,我不想伤害任何人:(
编辑
经过一些建议,我设法检测到有问题的著名台词:) 这是使用 Canny 并修改参数后检测到的台词:
http://prntscr.com/hhmhe4
这是代码(它不是很干净但可以工作):
import cv2
import numpy as np
from matplotlib import pyplot as plt
img = cv2.imread('la.png',0)
# gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
edges = cv2.Canny(img,50,150,apertureSize = 3)
lines = cv2.HoughLines(edges,1,np.pi/50,50)
for rho,theta in lines[0]:
a = np.cos(theta)
b = np.sin(theta)
x0 = a*rho
y0 = b*rho
x1 = int(x0 + 1000*(-b))
y1 = int(y0 + 1000*(a))
x2 = int(x0 - 1000*(-b))
y2 = int(y0 - 1000*(a))
cv2.line(img,(x1,y1),(x2,y2),(0,0,255),2)
cv2.imwrite('555.jpg',img)
我的错误是没有更改正确的设置。我现在更了解这些功能是如何工作的
我建议使用以下方法来测试您的代码:
- 尝试
cv2.imshow(edge)
查看 Canny 边缘检测是否检测到您想要去除的线条。如果没有,您可以更改参数以便检测到它们。
2.If你可以看到那里的线,然后你可以调整cv2.HoughLines
的参数。我特别怀疑参数值 200
there.You 应该尝试将其减少到小于图像中线条的长度。
我的意见是尝试破解验证码是完全没问题的。在一些研究论文中,深度学习方法已经对它们进行了很好的解码。如果你想尝试一种机器学习方法来解决这个问题,你可以用 keras 来做,我可以提供 link 到研究论文。
我的个人项目是使用 Python 研究图像处理的工作原理。我是这个领域的新手。 我有一个小问题困扰了我几分钟(实际上我屏蔽了这么简单的东西已经一个小时了,虽然可能在你眼里......)
让我解释一下:
我想在我的图像上提取(或者 "delete")这条线(我将这条线熨烫成红色,这样我们最多可以看到它): http://prntscr.com/hhgzhk
按照本教程 (https://docs.opencv.org/3.0-beta/doc/py_tutorials/py_imgproc/py_gradients/py_gradients.html#gradients),我设法使相关行更加突出,如图所示。 http://prntscr.com/hhgy72
我现在想使用此方法检测此图像中的线条:https://docs.opencv.org/3.0-beta/doc/py_tutorials/py_imgproc/py_houghlines/py_houghlines.html#py-hough-lines
将这些方法应用到我的图像后,出现以下错误:
for rho,theta in lines[0]:
TypeError: 'NoneType' object has no attribute '__getitem__'
代码内容如下(完全对应教程:')):
import cv2
import numpy as np
img = cv2.imread('houghlines3.jpg')
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
edges = cv2.Canny(gray,50,150,apertureSize = 3)
lines = cv2.HoughLines(edges,1,np.pi/180,200)
for rho,theta in lines[0]:
a = np.cos(theta)
b = np.sin(theta)
x0 = a*rho
y0 = b*rho
x1 = int(x0 + 1000*(-b))
y1 = int(y0 + 1000*(a))
x2 = int(x0 - 1000*(-b))
y2 = int(y0 - 1000*(a))
cv2.line(img,(x1,y1),(x2,y2),(0,0,255),2)
cv2.imwrite('houghlines4.jpg',img)
分析了一下,发现错误可能是因为变量"lines"的内容是None
。
因此,我推断他在我的图像上没有发现线条。
我现在问自己的问题是如何提取有问题的这一行?
不知道有没有人有想法
我意识到我想在验证码上这样做,所以这不太符合道德规范。知道这完全是教育,我不想伤害任何人:(
编辑
经过一些建议,我设法检测到有问题的著名台词:) 这是使用 Canny 并修改参数后检测到的台词: http://prntscr.com/hhmhe4
这是代码(它不是很干净但可以工作):
import cv2
import numpy as np
from matplotlib import pyplot as plt
img = cv2.imread('la.png',0)
# gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
edges = cv2.Canny(img,50,150,apertureSize = 3)
lines = cv2.HoughLines(edges,1,np.pi/50,50)
for rho,theta in lines[0]:
a = np.cos(theta)
b = np.sin(theta)
x0 = a*rho
y0 = b*rho
x1 = int(x0 + 1000*(-b))
y1 = int(y0 + 1000*(a))
x2 = int(x0 - 1000*(-b))
y2 = int(y0 - 1000*(a))
cv2.line(img,(x1,y1),(x2,y2),(0,0,255),2)
cv2.imwrite('555.jpg',img)
我的错误是没有更改正确的设置。我现在更了解这些功能是如何工作的
我建议使用以下方法来测试您的代码:
- 尝试
cv2.imshow(edge)
查看 Canny 边缘检测是否检测到您想要去除的线条。如果没有,您可以更改参数以便检测到它们。
2.If你可以看到那里的线,然后你可以调整cv2.HoughLines
的参数。我特别怀疑参数值 200
there.You 应该尝试将其减少到小于图像中线条的长度。
我的意见是尝试破解验证码是完全没问题的。在一些研究论文中,深度学习方法已经对它们进行了很好的解码。如果你想尝试一种机器学习方法来解决这个问题,你可以用 keras 来做,我可以提供 link 到研究论文。