我有一个使用OpenCV在图像中查找轮廓的代码。但是当我的代码基于一个凌乱的图像时,它就不起作用了
我的图像:
我的图像是一张扫描过的纸,有很多噪音和杂乱的区域。所以我应用了高斯模糊,大津阈值和变形关闭修复
我的代码:
# Apply GaussianBlur + OTSU-Thresholding
grayscale_image = cv.cvtColor(source_image, cv.COLOR_BGR2GRAY)
grayscale_image = cv.GaussianBlur(grayscale_image, (5, 5), 0)
ret, grayscale_image = cv.threshold(grayscale_image, 200, 255, cv.THRESH_BINARY + cv.THRESH_OTSU)
cv.imshow("grayscale_image", grayscale_image)
# Apply Morph Close
kernel = cv.getStructuringElement(cv.MORPH_RECT, (5, 5))
morph_closed_image = cv.morphologyEx(grayscale_image, cv.MORPH_CLOSE, kernel)
cv.imshow("morph_closed_image", morph_closed_image)
然而,轮廓是由我的代码奇怪地创建的。图像的杂乱区域被识别为轮廓
我的轮廓图像:
这是我的代码:
contours, hierarchy = cv.findContours(morph_closed_image, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)
contour_sizes = [(cv.contourArea(contour), contour) for contour in contours]
biggest_contour = max(contour_sizes, key=lambda x: x[0])[1]
contour_image = source_image.copy()
cv.drawContours(contour_image, [biggest_contour], 0, (0, 0, 255), 2)
cv.imshow('contour_image', contour_image)
因此,我想修复图像中的噪音和混乱。如果我修复图像中的噪声和混乱区域,应用的轮廓效果会很好
如何使用openCV修复图像中的混乱区域
我的目标:
请给我一些建议
我有一个很好的观点
你只需要腐蚀然后扩张它。它实际上可以使用相同的内核和迭代
其主要目的是:
所以,你应该腐蚀,直到所有的小形状都被杀死,然后试着通过扩张恢复大形状的原始大小
相关问题 更多 >
编程相关推荐