Halcon转OpenCV实例--利用颜色信息提取与背景相似字符

Color Space

发布于 2020-10-29 10:11:25

1.7K0

发布于 2020-10-29 10:11:25

有时候遇到待提取的目标与背景颜色很接近，我们无法直接用阈值处理将其分割，只能尝试其他方法，今天介绍的实例就是如此。

如上图所示，我们的目标是提取图中的字符，然后做识别，但是字符的颜色和背景很接近，如果直接用二值化处理，效果不佳。通过观察分析，发现字符颜色虽然与背景接近，但是饱和度(颜色深度)明显与背景不同，所以我们可以将原图转到HSV空间，然后在S(饱和度)通道进行阈值处理，最后进行形态学去除杂讯，得到最后的目标。

如下是用Halcon实现的代码与效果：

read_image(Image, './imgs/test.jpg')
*将原始图像进行通道分离，得到红绿蓝三个分量的图像  
decompose3 (Image, Red, Green, Blue)
*将RGB三个分量的图像转化为H（色调）、S（饱和度）、V（明度）的图像
trans_from_rgb (Red, Green, Blue, ImageResultH, ImageResultS, ImageResultI, 'hsv')
*对饱和度图像阈值处理，分割出高饱和度区域，即字符区域的大致范围
threshold (ImageResultS, High, 192,255)
*区域分割，
reduce_domain (ImageResultH, High, ImageReduced)
*并进行膨胀操作
dilation_circle (ImageReduced, RegionDilation, 3.5)
*开运算，使边缘更清晰
opening_circle (RegionDilation, RegionChars, 5.5)
dev_clear_window ()
dev_display (RegionChars)

下面用OpenCV实现并显示中间步骤结果：

import cv2
import numpy as np

img = cv2.imread("test.jpg")
hsv_img = cv2.cvtColor(img,cv2.COLOR_BGR2HSV)

h,s,v = cv2.split(hsv_img)
cv2.imshow('H',h) #蓝色通道
cv2.imshow('S',s) #绿色通道
cv2.imshow('V',v) #红色通道 

ret,thres_img = cv2.threshold(s,185,255,cv2.THRESH_BINARY)
cv2.imshow("thres_img", thres_img)

k1=np.ones((7,7), np.uint8)
k2=np.ones((5,5), np.uint8)
opening = cv2.morphologyEx(thres_img, cv2.MORPH_OPEN, k1)
opening = cv2.morphologyEx(opening, cv2.MORPH_CLOSE, k2)
cv2.imshow('open', opening)

contours,hierarchy = cv2.findContours(opening, cv2.RETR_LIST, cv2.CHAIN_APPROX_NONE)
cv2.drawContours(img,contours,-1,(0,255,0),-1)

cv2.imshow('result',img)
cv2.waitKey(0)
cv2.destroyAllWindows()

H通道：