实战 | OpenCV如何将不同轮廓合并成一个轮廓(附源码)
实战 | OpenCV如何将不同轮廓合并成一个轮廓(附源码)
Color Space
发布于 2021-12-01 17:30:20
发布于 2021-12-01 17:30:20
导读
本文主要介绍如何用OpenCV将不同的轮廓合并成一个轮廓的实现方法和代码演示。
背景介绍
在图像处理的应用场景中常常会遇到一种情况，本来是一个整体的目标，因为不同的亮度或其他原因导致它分割成多个部分，这种情况在用OpenCV处理的时候会被当成多个轮廓(如下图所示)，那么遇到这种情况，我们如何把不同的轮廓合并成一个轮廓，然后做后续的处理呢？
实现方法与步骤
这里我们不用上面的绘画图，而是使用下面这张图做演示：
我们的目的：将上图中的文字轮廓看成一个整体，然后求其最小外接矩形，获得角度，将文字旋转水平，后续可以做简单的文字识别。
【1】先提取文字部分轮廓(S通道阈值处理)
hsvImg = cv2.cvtColor(src,cv2.COLOR_BGR2HSV)
H,S,V = cv2.split(hsvImg)
ret, thresImg= cv2.threshold(S, 138, 255, cv2.THRESH_BINARY)
【2】中值滤波去除小杂讯
blurImg = cv2.medianBlur(thresImg,5)
cv2.imshow('blur', blurImg)
【3】查找轮廓计算轮廓最小外接矩形
contours,hierarchy = cv2.findContours(blurImg, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
merge_list = []
for cnt in contours:
rect = cv2.minAreaRect(cnt)
box = cv2.boxPoints(rect)
box = np.int0(box)
split_res = cv2.drawContours(split_res,[box],0,(0,0,255),2)
merge_list.append(cnt)
【4】轮廓合并成一个绘制最小外接矩形
contours_merge = np.vstack([merge_list[0],merge_list[1]])
for i in range(2, len(merge_list)):
contours_merge = np.vstack([contours_merge,merge_list[i]])
rect2 = cv2.minAreaRect(contours_merge)
box2 = cv2.boxPoints(rect2)
box2 = np.int0(box2)
merge_res = cv2.drawContours(merge_res,[box2],0,(0,255,0),2)完整代码与效果：
import numpy as np
import cv2
src = cv2.imread('A.jpg')
cv2.imshow('src', src)
split_res = src.copy()#显示每个轮廓结构
merge_res = src.copy()#显示合并后轮廓结构
# 记录开始时间
start = cv2.getTickCount()
hsvImg = cv2.cvtColor(src,cv2.COLOR_BGR2HSV)
H,S,V = cv2.split(hsvImg)
ret, thresImg= cv2.threshold(S, 138, 255, cv2.THRESH_BINARY)
cv2.imshow('threshold', thresImg)
blurImg = cv2.medianBlur(thresImg,5)
cv2.imshow('blur', blurImg)
contours,hierarchy = cv2.findContours(blurImg, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
merge_list = []
for cnt in contours:
rect = cv2.minAreaRect(cnt)
box = cv2.boxPoints(rect)
box = np.int0(box)
split_res = cv2.drawContours(split_res,[box],0,(0,0,255),2)
merge_list.append(cnt)
cv2.imshow('split_res', split_res)
cv2.imwrite('split_res.jpg', split_res)
contours_merge = np.vstack([merge_list[0],merge_list[1]])
for i in range(2, len(merge_list)):
contours_merge = np.vstack([contours_merge,merge_list[i]])
rect2 = cv2.minAreaRect(contours_merge)
box2 = cv2.boxPoints(rect2)
box2 = np.int0(box2)
merge_res = cv2.drawContours(merge_res,[box2],0,(0,255,0),2)
cv2.imshow('merge_res', merge_res)
cv2.imwrite('merge_res.jpg', merge_res)
# 记录结束时间
end = cv2.getTickCount()
# 运行耗时
use_time = (end - start) / cv2.getTickFrequency()
print('use-time: %.3fs' % use_time)
cv2.waitKey(0)
cv2.destroyAllWindows()
print ('finish')
然后通过最小外接矩形角度旋转即可矫正了
本文参与 腾讯云自媒体分享计划，分享自微信公众号。
原始发表：2021-11-30，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读
目录
相关产品与服务
文字识别
文字识别（Optical Character Recognition，OCR）基于腾讯优图实验室的深度学习技术，将图片上的文字内容，智能识别成为可编辑的文本。OCR 支持身份证、名片等卡证类和票据类的印刷体识别，也支持运单等手写体识别，支持提供定制化服务，可以有效地代替人工录入信息。