使用OpenCV检测小数点

Question

使用opencv-python，我试图找到dot字符在类似以下图像中的位置：

42个图片集可以在这里找到：https://imgur.com/a/i4GPQwE-批量下载可用

我无法创建一个opencv检测器，它可以一致地找到这些类型图像中的大多数点，任何对单个图像有效的检测器（具有某些参数的斑点检测器）通常对其他图像无效。你知道吗

我的大多数尝试都是使用SimpleBlobDetector这是正确的方法吗？ opencv不是任务的合适工具吗？（我需要一个现成的工具，训练神经网络目前是不可能的）

谢谢你的帮助。你知道吗

Answer 1

这里不是使用SimpleBlobDetector而是使用阈值+轮廓过滤的简单方法：

• 将图像转换为灰度，然后用大津阈值得到二值图像
• 执行形态打开以消除小噪音
• 找到轮廓并使用轮廓区域进行过滤

---

下面是一些图片的结果。小数点以绿色突出显示

代码

import cv2
import numpy as np

image = cv2.imread('3.jpg')
original = image.copy()
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)[1]

kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (3,3))
opening = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, kernel, iterations=2)

cnts = cv2.findContours(opening, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]
for c in cnts:
    area = cv2.contourArea(c)
    print(area)
    if area < 200:
        cv2.drawContours(original, [c], -1, (36,255,12), -1)

cv2.imshow('thresh', thresh)
cv2.imshow('opening', opening)
cv2.imshow('original', original)
cv2.waitKey()

---

注意：假设图像只包含数字而不包含其他伪影，此方法将很好地工作。替代方法包括：

• Hough圆变换已经实现为^{}。缺点是函数有很多参数，通常只适用于“完美”循环。因为你的图像有小数点不是完美的圆，你可能得不到一致的结果，并可能得到误报。你知道吗
• 轮廓近似使用cv2.arcLength()和cv2.approxPolyDP()，后者使用Ramer-Douglas-Peucker算法，也称为分割合并算法。其思想是曲线可以由一系列短线段来近似。为了做到这一点，我们计算轮廓的周长，然后根据顶点的数量近似轮廓的形状。以this为例。你知道吗

Answer 2

您可以尝试使用Hough-Circles：

circles = cv2.HoughCircles(img,cv2.HOUGH_GRADIENT,1,20,
                            param1=50,param2=30,minRadius=5,maxRadius=25)

取自here。你知道吗

Documentation