检测 table 作为一个表面给出了很多矩形

Question

我想得到 table 表面的矩形。所以我想我可以用 opencv 的 findContours 和 contourArea 函数来做到这一点。现在，当结果是当我采用最大 contourArea 时，它将所有内容都视为一个区域。当我不这样做时，它会给出不同的结果，请参见图片。

有没有办法组合这些矩形，以便将 table 检测为表面？因为我想知道那些东西是在表面上还是从表面上移开了。

代码：

import cv2
import numpy as np

file = "/Users/mars/Downloads/table.jpg"

im1 = cv2.imread(file, 0)
im = cv2.imread(file)

ret, thresh_value = cv2.threshold(im1, 180, 255, cv2.THRESH_BINARY_INV)

kernel = np.ones((5, 5), np.uint8)
dilated_value = cv2.dilate(thresh_value, kernel, iterations=1)

contours, hierarchy = cv2.findContours(dilated_value, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

areas = [cv2.contourArea(c) for c in contours]
max_index = np.argmax(areas)
cnt = contours[max_index]
x, y, w, h = cv2.boundingRect(cnt)
cv2.rectangle(im, (x, y), (x + w, y + h), (0, 255, 0), 2)

cv2.imwrite('result.jpg', im)

Answer 1

您的代码无法正常工作的主要原因是您正在使用 cv2.THRESH_BINARY_INV。
反转极性，将 table 区域变为黑色，findContours 正在搜索白色轮廓。

我建议使用以下阶段：

转换为二进制图像 - 使用 THRESH_OTSU 作为自动阈值（它比使用固定阈值更可靠）。
使用"closing"形态学运算（闭合就像膨胀而不是腐蚀）。
关闭优于 dilate，因为它不会改变轮廓的大小。
找轮廓，用RETR_EXTERNAL代替RETR_TREE，因为你要找的是外轮廓。
求出面积最大的等高线。

代码如下：

import numpy as np
import cv2

# Read input image
im = cv2.imread('table.jpg')

# Drop one row and column from each side (because the image you posted has a green rectangle around it).
im = im[1:-2, 1:-2, :]

# Convert to Grayscale
im1 = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY)

# Convert to binary image - use THRESH_OTSU for automatic threshold.
ret, thresh_value = cv2.threshold(im1, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)

# Use "closing" morphological operation (closing is like dilate and than erode)
thresh = cv2.morphologyEx(thresh_value, cv2.MORPH_CLOSE, np.ones((5, 5)))

cnts = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)[-2]  # [-2] indexing is used due to OpenCV compatibility issues.

# Get contour with maximum area
c = max(cnts, key=cv2.contourArea)

# Mark contour with green line
cv2.drawContours(im, [c], -1, (0, 255, 0), 2)


# Show output
cv2.imshow('im', cv2.resize(im, (im.shape[1]//4, im.shape[0]//4)))
cv2.waitKey(0)
cv2.destroyAllWindows()

结果：

检测 table 作为一个表面给出了很多矩形

Detection table as a surface gives a lot of rectangles

python

opencv

numpy

opencv-contour