OpenCV 处理 - 边缘检测和裁剪
OpenCV Processing - Edge detection and Cropping
如何从预处理图像中去除不规则的白色像素。
我试过进行侵蚀,这会使所有像素变黑。
预处理后:
要求:
我的代码:
Mat img, edges, erode, blurred, element;
element = getStructuringElement(cv::MORPH_RECT, cv::Size(7, 7), cv::Point(-1,-1) );
img = imread("img1925.jpeg"); // read the image
cv::Canny(img, edges, 30, 255, 3); // detect the edges with threshold limit
// cv::erode(edges, erode, element);
GaussianBlur(edges, blurred, cv::Size(7, 7), 0); // blurring
// Rect ROI = boundingRect(blurred); // draw rect for ROI
// Mat src = thresh(ROI);
namedWindow("image", WINDOW_NORMAL);
imshow("image", blurred);
waitKey(0);
return 0;
正在寻找建议!
我不确定你所说的从预处理图像中移除不规则的白色像素是什么意思,但如果你的目标是提取对象的 ROI,那么这里有一个方法:
- 将图像转换为灰度并将高斯模糊转换为平滑图像
- 获取二值图像的自适应阈值
- 使用轮廓区域查找轮廓并过滤
- 提取图像中最大的轮廓并裁剪ROI
这是结果
如果您在阈值图像上裁剪了 ROI,结果如下
我在 Python 中实现了它,但您可以在 C++ 中执行相同的步骤
import cv2
image = cv2.imread('1.jpg')
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
blur = cv2.GaussianBlur(gray, (7,7), 0)
thresh = cv2.adaptiveThreshold(blur,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV,11,3)
cnts = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]
cnts = sorted(cnts, key=cv2.contourArea, reverse=True)
for c in cnts:
x,y,w,h = cv2.boundingRect(c)
ROI = image[y:y+h, x:x+w]
break
cv2.imwrite('ROI.png', ROI)
cv2.waitKey()
如何从预处理图像中去除不规则的白色像素。
我试过进行侵蚀,这会使所有像素变黑。
预处理后:
要求:
我的代码:
Mat img, edges, erode, blurred, element;
element = getStructuringElement(cv::MORPH_RECT, cv::Size(7, 7), cv::Point(-1,-1) );
img = imread("img1925.jpeg"); // read the image
cv::Canny(img, edges, 30, 255, 3); // detect the edges with threshold limit
// cv::erode(edges, erode, element);
GaussianBlur(edges, blurred, cv::Size(7, 7), 0); // blurring
// Rect ROI = boundingRect(blurred); // draw rect for ROI
// Mat src = thresh(ROI);
namedWindow("image", WINDOW_NORMAL);
imshow("image", blurred);
waitKey(0);
return 0;
正在寻找建议!
我不确定你所说的从预处理图像中移除不规则的白色像素是什么意思,但如果你的目标是提取对象的 ROI,那么这里有一个方法:
- 将图像转换为灰度并将高斯模糊转换为平滑图像
- 获取二值图像的自适应阈值
- 使用轮廓区域查找轮廓并过滤
- 提取图像中最大的轮廓并裁剪ROI
这是结果
如果您在阈值图像上裁剪了 ROI,结果如下
我在 Python 中实现了它,但您可以在 C++ 中执行相同的步骤
import cv2
image = cv2.imread('1.jpg')
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
blur = cv2.GaussianBlur(gray, (7,7), 0)
thresh = cv2.adaptiveThreshold(blur,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV,11,3)
cnts = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]
cnts = sorted(cnts, key=cv2.contourArea, reverse=True)
for c in cnts:
x,y,w,h = cv2.boundingRect(c)
ROI = image[y:y+h, x:x+w]
break
cv2.imwrite('ROI.png', ROI)
cv2.waitKey()