python - 创建冒号作为 openCV 和 Python 中形态学操作的内核/结构元素

Question

我有很多图片需要进行图像处理。

基本上我想在图像中找到 :-character 的位置。检查完这些图像后，我发现这是我所有图像的唯一共同点。由于所有图像均取自视频流，因此所有数字在视频流期间的某个时间都会/可能会发生变化。

查看 openCV 的文档还有这个post我写了以下内容:

import cv2
import numpy as np


def skeletonize(img):
   size = np.size(img)
   skel = np.zeros(img.shape,np.uint8)

   ret,img = cv2.threshold(img,127,255,0)
   element = cv2.getStructuringElement(cv2.MORPH_CROSS,(3,3))
   done = False

   while( not done):
      eroded = cv2.erode(img,element)
      temp = cv2.dilate(eroded,element)
      temp = cv2.subtract(img,temp)
      skel = cv2.bitwise_or(skel,temp)
      img = eroded.copy()

      zeros = size - cv2.countNonZero(img)
      if zeros==size:
         done = True

    return skel

这会产生以下输出:

接下来，我编写基于冒号的结构元素:

img = cv2.imread('chi_int.JPG')
skel = skeletonize(img)
kernel = np.array([[0,0,0],
                   [0,0,0],
                   [0,1,0],
                   [0,0,0],
                   [0,0,0],
                   [0,1,0],
                   [0,0,0],
                   [0,0,0]], dtype=np.uint8)
erosion = cv2.erode(skel,kernel,iterations = 1

如何测量结构元素中两个 1 之间需要填充 0 的行数？通过使用骨骼化函数，如果我的结构元素具有正确的大小，则应该有1像素。我该如何解决这个问题？非常感谢您的帮助!!

注意:我不想使用 Tesseract OCR，因为它太慢了

Answer 1

在找到冒号之前，没有什么神奇的方法可以知道它的大小，除非您知道字体大小。所以你必须尝试所有可能的选择。但它似乎并不高效和可靠。我推荐以下内容。

1. 阈值处理后立即通过 findContours 查找连接的组件。
2. 只保留那些小而圆的(小contourArea、小arcLength()/contourArea())。
3. 计算它们的中心。
4. 搜索 x 方向距离较小且 y 方向距离合理的对。通过按 x 坐标对点数组进行排序，可以非常有效地完成此操作。