c++ - 如何使用 OpenCV 在图像中查找扑克牌？

Question

我目前正在开发扑克牌检测程序。我正在使用 Hough Line Transform 来检测卡片的位置，因为这似乎是最可靠的方法。因为它不太依赖环境条件，例如光线和背景(我认为)，而不是寻找轮廓。

我正在使用这张图片进行测试，在转换之后，我得到了这样的结果:

<表类="s-表"><头> 原始图片 转换<正文>

如您所见，线条并没有闭合多边形，我无法对卡片的位置做出任何结论。

我已经考虑过使用一些标准(例如角度等)来对属于同一张卡片的线进行分组，但我想知道是否有更好更快的方法来找到每张卡片的位置。

我使用了这段代码:

#include <cstdlib>
#include <cstdio>
#include "detector.h"
#include "data_structs.h"
#include <unistd.h>

#define MIN_LINE_LEN 80 
#define MAX_LINE_GAP 10 

//Variáveis globais 
Mat img;
Mat src;

int main( int argc, char** argv ){
    
    src = imread("img.jpg");
    src.copyTo(img);
    
    preProcessImg();
    
    detectCards();

    return 0;
}

//Prepara a img para ser analisada
void preProcessImg(){
    Mat aux_gray;
    
    cvtColor(img, aux_gray, CV_BGR2GRAY);    // Convert the image to grayscale
    GaussianBlur(aux_gray, img, Size(5,5), 0);
}

void detectCards(){
    vector<Vec4i> lines;

    //Detetar as linhas
    Canny(img, img, 30, 200);
    HoughLinesP(img, lines, 1, CV_PI/180, 80, MIN_LINE_LEN, MAX_LINE_GAP);
    
}

Answer 1

我提出了另一种方法，而不是使用霍夫线变换来检测卡片并且必须闭合线以形成多边形。这是主要思想:

• 将图像转换为灰度
• 高斯模糊图像
• 大津的阈值
• 寻找轮廓
• 用等高线区域过滤等高线以确保它匹配最小值阈值区域

---

二值图像->结果

Contours detected: 7

我的实现是用 Python 实现的，但您可以使用相同的策略将其转换为 C++

import cv2
import numpy as np
import imutils

# Load image, grayscale, blur, Otsu's threshold
image = cv2.imread('1.jpg')
image = imutils.resize(image, width=500)
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
blur = cv2.GaussianBlur(gray, (3, 3), 0)
thresh = cv2.threshold(blur, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)[1]

# Find contours and filter for cards using contour area
cnts = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]
threshold_min_area = 400
number_of_contours = 0
for c in cnts:
    area = cv2.contourArea(c)
    if area > threshold_min_area:
        cv2.drawContours(image, [c], 0, (36,255,12), 3)
        number_of_contours += 1

print("Contours detected:", number_of_contours)
cv2.imshow('thresh', thresh)
cv2.imshow('image', image)
cv2.waitKey()