python - 检测图像中的多个矩形

Question

我试图检测这张图片中的管道数。为此，我使用 OpenCV 和基于 Python 的检测。基于对类似问题的现有答案，我能够提出以下步骤

打开图片

过滤它

应用边缘检测

使用轮廓

检查计数

管道总数为 ~909 当我们手动计算它时，给或取 4。

应用过滤器后

import cv2
import matplotlib.pyplot as plt
import numpy as np

img = cv2.imread('images/input-rectpipe-1.jpg')
blur_hor = cv2.filter2D(img[:, :, 0], cv2.CV_32F, kernel=np.ones((11,1,1), np.float32)/11.0, borderType=cv2.BORDER_CONSTANT)
blur_vert = cv2.filter2D(img[:, :, 0], cv2.CV_32F, kernel=np.ones((1,11,1), np.float32)/11.0, borderType=cv2.BORDER_CONSTANT)
mask = ((img[:,:,0]>blur_hor*1.2) | (img[:,:,0]>blur_vert*1.2)).astype(np.uint8)*255

我得到这个蒙面图像



这在显示的可见矩形数量方面看起来相当准确。但是，当我尝试进行计数并在图片顶部绘制边界框时，它也会选择很多不需要的区域。对于圆，HoughCircles 有一种定义最大和最小半径的方法。矩形是否有类似的东西可以提高准确性。另外，我愿意接受有关解决此问题的替代方法的建议。

ret,thresh = cv2.threshold(mask,127,255,0)
contours,hierarchy = cv2.findContours(thresh, 1, 2)

count = 0

for i in range(len(contours)):

  count = count+1
  x,y,w,h = cv2.boundingRect(contours[i]) 
  rect = cv2.minAreaRect(contours[i])
  area = cv2.contourArea(contours[i])
  box = cv2.boxPoints(rect)
  ratio = w/h
  M = cv2.moments(contours[i])

  if M["m00"] == 0.0:
         cX = int(M["m10"] / 1 )
         cY = int(M["m01"] / 1 )

  if M["m00"] != 0.0:
    cX = int(M["m10"] / M["m00"])
    cY = int(M["m01"] / M["m00"])

  if (area > 50 and area < 220 and hierarchy[0][i][2] < 0 and (ratio > .5 and ratio < 2)):
    #cv2.rectangle(img, (x,y), (x+w,y+h), (0,255,0), 2)
    cv2.circle(img, (cX, cY), 1, (255, 255, 255), -1)
    count = count + 1 



print(count)

cv2.imshow("m",mask)
cv2.imshow("f",img)
cv2.waitKey(0)

更新
基于第二个答案，我已将 c++ 代码转换为 python 代码并获得了更接近的结果，但仍然遗漏了一些明显的矩形。

Answer 1

当然，您可以按区域过滤它们。我拿了你的二进制图像并继续如下工作:

1- 对您从 findContours 中找到的所有轮廓进行循环

2- 在循环中检查每个轮廓是否是内部轮廓

3-从那些内部轮廓中，检查它们的面积，如果面积在可接受的范围内，检查每个轮廓的宽度/高度比，最后如果也很好，将该轮廓视为管道。

我对你的二值图像做了上面的方法，然后 找到 794 个管道 :



(虽然有些框丢失了，您应该更改边缘检测器的参数以在图像中获得更多可分离的框。)

这是代码(它是c++但很容易转换为python):

Mat img__1, img__2,img__ = imread("E:/R.jpg", 0);

threshold(img__, img__1, 128, 255, THRESH_BINARY);

vector<vector<Point>> contours;
vector< Vec4i > hierarchy;

findContours(img__1, contours, hierarchy, RETR_CCOMP, CHAIN_APPROX_NONE);

Mat tmp = Mat::zeros(img__1.size(), CV_8U);
int k = 0;
for (size_t i = 0; i < contours.size(); i++)
{
    double area = contourArea(contours[i]);
    Rect rec = boundingRect(contours[i]);
    float ratio = rec.width / float(rec.height);

    if (area > 50 && area < 220 && hierarchy[i][2]<0 && (ratio > .5 && ratio < 2) ) # hierarchy[i][2]<0 stands for internal contours
    {
        k++;
        drawContours(tmp, contours, i, Scalar(255, 255, 255), -1);
    }
}
cout << "k= " << k << "\n";
imshow("1", img__1); 
imshow("2", tmp);
waitKey(0);