【发布时间】：2017-04-17 11:12:58
【问题描述】：
背景
我想检测包含 2D 几何形状的图像中的所有轮廓，但去掉任何看起来像文本的东西。
我尝试通过 Tesseract 检测文本区域并随后删除这些文本区域。对于 OCR 识别良好的某些图像，这可以正常工作，因此文本区域的识别率非常高，然后可以删除已识别文本的轮廓。但是对于大多数图像，文本无法很好地识别，因此我无法从图像中删除不相关的文本轮廓。
因此我的问题是：如何区分类似文本的轮廓和我的 2D“几何”轮廓？
【问题讨论】：
【发布时间】：2017-04-17 11:12:58
【问题描述】：
如果您不关心文本并且只想摆脱它，那么您可以通过将RETR_EXTERNAL 作为模式参数传递给findCountours() 函数来检测外部轮廓。这将为您提供最外层的轮廓，并忽略几何形状内部包含的任何内容。
或者，如果您想要更多控制，您可以将模式参数作为 RETR_TREE 传递，然后遍历树，只保留顶层轮廓并忽略层次结构中低于该级别的任何内容。这样，您将获得所有内容，并且您可以稍后决定要保留哪些内容以及要忽略哪些内容。
阅读 OpenCV 文档中的 this page，了解有关 findCountours() 如何表示层次结构的信息（该页面来自 python 教程，但它足够通用，可以继续学习）。
当然，只有当图像总是看起来与您在问题中给出的示例相似时才会起作用 - 即文本总是在几何形状内。如果您在形状之外有文本，那么也许您可以查看轮廓（边界矩形）的大小并忽略低于某个阈值的任何内容（假设文本轮廓将比您的几何形状小得多）。
【讨论】：
-
我意识到我应该举一个更好的例子。不幸的是，这不起作用，因为我不知道嵌套级别。例如，我有相邻的矩形，它们创建了一个外部矩形（我也需要对其进行优化），并且文本可以出现在任何嵌套深度中。编辑：我还考虑过比较区域大小 - 但我希望有更复杂的东西，因为 etxt 也可以是任何大小。
-
也许是这两种方法的结合，那么呢？使用 RETR_TREE，然后在一个较大的轮廓内寻找一组（两个或更多）小轮廓，其中边界矩形的面积差异大于 x%？我不知道，只是抛出想法。我只是认为尝试使用 OCR 识别文本是多余的，因为您不关心文本的内容，只想过滤掉不属于形状的内容。文本将始终是某种颜色，还是一组有限的颜色？也许寻找被另一种颜色包围的黑色或白色像素组？
-
或者先对图像应用高斯模糊？如果你模糊它，文本可能会模糊到
findCountours()找不到它，那么它只会给你几何形状？只是另一个想法...... -
感谢您的意见。我会多做一些实验，并尝试模糊。
属于文本的轮廓，根据您的示例也代表一个区域。这样您就可以尝试使用区域的属性来消除一些不需要的区域（文本轮廓！），我建议您可以使用一些属性，例如 eccentricity、solidity 或 compactness（你可以在这里找到代码示例：https://github.com/mribrahim/Blob-Detection )
例如：规则形状和其他形状可以通过 compactness 值来区分，或者您可以组合任何其他属性
【讨论】：