如何检测图像中的纸板箱？答案

【问题标题】：How to detect cardboard boxes in images?如何检测图像中的纸板箱？
【发布时间】：2019-01-11 04:40:27
【问题描述】：

我正在寻找 python 解决方案。

我正在使用 opencv 来检测图像中的框，但我觉得结果并不一致。盒子应该始终是二维的，但有时可能会有点歪斜或白色。

我只能检测盒子区域。

我试过了：

import cv2

# reading image
img = cv2.imread('cardboard.jpg')

# thresholding the image
ret,thresh = cv2.threshold(img, 127, 229, cv2.THRESH_TOZERO_INV)
edged = cv2.cvtColor(thresh, cv2.COLOR_BGR2GRAY)

# collectiong contours
_, contours,h = cv2.findContours(edged, cv2.RETR_TREE,
                    cv2.CHAIN_APPROX_SIMPLE)

# looping through contours
for cnt in contours:

    x, y, w, h = cv2.boundingRect(cnt)
    if w > 100 and h > 100:
        approx = cv2.approxPolyDP(cnt,0.01*cv2.arcLength(cnt,True),True)

        if len(approx) < 6:
            cv2.drawContours(img_x,[cnt],0,(0,215,255),3)

cv2.imwrite('contours/img.jpg', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

【问题讨论】：

感谢 Lajos 的编辑。 :)
如果您的最终目标是提取条形码 - 您可以尝试 zxing library 代替
是的，但主要目的是检测盒子的数量。
如果每盒总是有3个条形码，并且您知道条形码的数量......

标签： python opencv

【解决方案1】：

我试过你的代码，它只适用于第二张图片（识别 9 个盒子中的 8 个），因为你的盒子有白色标签，它与背景形成了很好的对比。但是它不适用于上传的第一张图片。

在第二张图片中，由于照明的变化，您的代码无法识别所有框（这会导致阈值问题，因此仅检测到 8 个框），因此我建议阅读计算机视觉的照明，因为它可以简化您的编码很多。话虽如此，我已经对您的代码进行了更改，以便您了解如何继续（cmets 在代码中）...我已经用第二张图像对其进行了测试，它确实识别了所有框，但它仍然应该是进一步测试。如果您想检测您发布的两种图像上的框，则需要使用不同的方法。

代码：

import cv2

# reading image
img = cv2.imread('boxes.jpg')

# thresholding the image
ret,thresh = cv2.threshold(img, 127, 229, cv2.THRESH_TOZERO)
edged = cv2.cvtColor(thresh, cv2.COLOR_BGR2GRAY)

# ADDED BINARY THRESHOLD
ret,thresh = cv2.threshold(edged,100,255,cv2.THRESH_BINARY)


# collectiong contours
_, contours,h = cv2.findContours(edged, cv2.RETR_TREE,
                    cv2.CHAIN_APPROX_SIMPLE)
cv2.imshow('img', thresh)

# looping through contours
for cnt in contours:

    x, y, w, h = cv2.boundingRect(cnt)
    if w > 50 and h > 50:

        #ADDED SIZE CRITERION TO REMOVE NOISES
        size = cv2.contourArea(cnt)
        if size > 500:

            #CHANGED DRAWING CONTOURS WITH RECTANGLE
            cv2.rectangle(img,(x,y),(x+w,y+h),(0,215,255),2)

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

结果：

编辑：

我已经为第二张图片制作了代码示例，这可能对进一步的尝试有用。首先，您为图像阈值和上限阈值以及绘制轮廓设定一个范围。

然后将图像转换为 HSV 颜色空间并找到带有cv2.inRange() 的颜色。

然后通过搜索轮廓并在其上绘制来填充它。

最后在轮廓上绘制矩形。

import cv2
import numpy as np

# reading image
img = cv2.imread('boxes.jpg')
img_x = img.copy()


for low_thresh in range(0,25):

    ret,thresh = cv2.threshold(img, low_thresh*10, 255, cv2.THRESH_TOZERO_INV)
    edged = cv2.cvtColor(thresh, cv2.COLOR_BGR2GRAY)
    _, contours,h = cv2.findContours(edged, cv2.RETR_TREE,
                        cv2.CHAIN_APPROX_SIMPLE)

    for cnt in contours:
        size = cv2.contourArea(cnt)
        if 500 < size < 50000:
            x, y, w, h = cv2.boundingRect(cnt)

            if w > 100 and h > 100:
                approx = cv2.approxPolyDP(cnt,0.01*cv2.arcLength(cnt,True),True)

                if len(approx) < 6:
                    cv2.drawContours(img,[cnt],0,(0,215,255),3)

hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

lower_yellow = np.array([25,50,50])
upper_yellow = np.array([50,255,255])
mask_yellow = cv2.inRange(hsv, lower_yellow, upper_yellow)
res_yellow = cv2.bitwise_and(img,img, mask=mask_yellow)
gray_yellow = cv2.cvtColor(res_yellow, cv2.COLOR_BGR2GRAY)
_,thresh_yellow = cv2.threshold(mask_yellow,10,255,cv2.THRESH_BINARY)
_, contours_yellow, hierarhy = cv2.findContours(thresh_yellow,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)

for c in contours_yellow:
    size = cv2.contourArea(c)
    if size > 500:
        cv2.drawContours(thresh_yellow, [c], -1, 255, -1)

_, contours_yellow, hierarhy3 = cv2.findContours(thresh_yellow,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)

for c in contours_yellow:
    size = cv2.contourArea(c)
    if size > 500:
        cv2.drawContours(thresh_yellow, [c], -1, 255, -1)
        x, y, w, h = cv2.boundingRect(c)
        cv2.rectangle(img_x,(x,y),(x+w,y+h),(0,255,0),2)

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

希望对您有所帮助。干杯！

【讨论】：