Open Cv - Emgu Cv 如何在灰度图像上找到 7 段显示器的矩形区域答案

【问题标题】：Open Cv - Emgu Cv How to find 7 segment display's rectangle area on gray scaled ImageOpen Cv - Emgu Cv 如何在灰度图像上找到 7 段显示器的矩形区域
【发布时间】：2020-03-20 18:50:34
【问题描述】：

我正在创建用于从 7 段显示压力计读取值的系统。为了检测数字（七段显示）仪表中的数字和值，我通过以下链接：

根据上述链接的说明，我创建了以下读取数字的步骤：

将图像转换为灰度图像。
使用 Otsu 的 阈值和二进制逆算法生成二进制图像。
使用 Otsu 的 阈值应用 Canny 边缘检测。
在 Canny 边缘检测上查找 FindContours。

这对某些图像效果很好，但是当表盘有一些浅色时，它就不起作用了。

浅色原图。 灰度图像 使用 Otsu 和二进制逆的阈值应用图像

可以看到Panel之间没有大的色差显示部分和仪表区域，因此 Otsu 将整个表盘转换为忽略面板部分发白

另请参阅以下图片：原始、灰度和阈值。

请帮我找出矩形 提前致谢。

【问题讨论】：

您是否考虑过不使用 otsus，而是尝试找到适用于您所有情况的固定阈值？
@TA：“适用于所有情况的固定阈值”：这永远行不通。
@TA : 我曾尝试使用固定阈值，但由于所有图像的光线和角度不同，因此不适用于所有图像。

标签： opencv image-processing ocr emgucv seven-segment-display

【解决方案1】：

您可以先使用圆形检测，然后再使用数字检测。得到数字检测的结果后，就可以进行高精度的面积估计。您可以使用 yolo 方法作为检测器。

【讨论】：

【解决方案2】：

这是一种使用轮廓逼近+轮廓过滤的方法：

将图像转换为灰度并执行 Canny 边缘检测
执行形态关闭
使用轮廓近似查找轮廓和过滤
提取投资回报率

这是检测到的显示

由于我们已经有了边界框坐标，我们使用 Numpy 切片提取 ROI

import cv2

image = cv2.imread('1.jpg')
original = image.copy()
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
canny = cv2.Canny(gray, 20, 200, 1)

kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3,3))
close = cv2.morphologyEx(canny, cv2.MORPH_CLOSE, kernel, iterations=1)
cnts = cv2.findContours(close, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]
for c in cnts:
    peri = cv2.arcLength(c, True)
    approx = cv2.approxPolyDP(c, 0.01 * peri, True)
    area = cv2.contourArea(approx)
    if len(approx) == 4 and area > 1000:
        x,y,w,h = cv2.boundingRect(approx)
        cv2.rectangle(image, (x, y), (x + w, y + h), (36,255,12), 3)
        ROI = original[y:y+h, x:x+w]

cv2.imshow('image', image)
cv2.imshow('ROI', ROI)
cv2.waitKey()

【讨论】：

感谢您的回复。我得到了结果，但它只适用于你申请的这张图片，对于其他图片同样的算法不起作用。

【解决方案3】：

Otsu 擅长找到一个有两个优势强度的良好阈值。但是当它们是三个（白色、灰色、黑色）时，它无法猜测您要分离什么。

如果您在拒绝大部分背景的窗口中应用 Otsu，它会再次正常工作。

【讨论】：