无法检测图像上的等号答案

【问题标题】：can't detect equal sign on image无法检测图像上的等号
【发布时间】：2020-11-01 08:22:04
【问题描述】：

我正在从事一个理解数学符号的计算机视觉项目。它可以正确检测除“相等”标记之外的所有内容。但“等号”被视为两个独立的“减号”。

    image = cv2.imread('./deneme.png')
    grey = cv2.cvtColor(image.copy(), cv2.COLOR_BGR2GRAY)
    ret, thresh = cv2.threshold(grey.copy(), 0, 255, cv2.THRESH_BINARY_INV)
    contours, _ = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    preprocessed_digits = []
    for c in contours:
        x,y,w,h = cv2.boundingRect(c)
        cv2.rectangle(image, (x,y), (x+w, y+h), color=(0, 255, 0), thickness=2)
        digit = thresh[y:y+h, x:x+w]
        digit = make_square(digit)
        preprocessed_digits.append(digit)
    plt.imshow(image, cmap="gray")
    plt.show()

我不知道如何解决这个问题。如何检测等号？

【问题讨论】：

如果你可以假设你的公式是水平写的，你可以尝试估计所有符号的最大高度，并垂直分组彼此太近的符号。

标签： opencv image-processing computer-vision detection

【解决方案1】：

这是你想要达到的结果吗？

由于您的数学表达式似乎是水平书写的，正如@Micka 指出的那样，您对等号的两个不同分量之间的关系有非常强的先验性，因此有一种直截了当（但很笨拙）的方式检测何时减号实际上是等号：

import cv2
import matplotlib.pyplot as plt
import numpy as np

class Rect:
    def __init__(self,
            a,
            b,
            c,
            d):
        self.a=a
        self.b=b
        self.c=c
        self.d=d

        self.center=np.array([(a+c)/2, (b+d)/2])

def merge_rectangles(r_1, r_2):

    a_m= min(r_1.a, r_2.a)
    b_m= min(r_1.b, r_2.b)
    c_M= max(r_1.c, r_2.c)
    d_M= max(r_1.d, r_2.d)

    return Rect(a_m, b_m, c_M, d_M)

def they_form_an_equal_sign(rect_1,
        rect_2,
        tol_w=10,#in pixels
        tol_h=10):
    #check if the bounding boxes approximately align
    b0 = (np.abs(rect_1.a - rect_2.a) < tol_w ) and (np.abs(rect_1.c - rect_2.c) <     tol_w)

    #check if the bounding boxes have approximately the same height
    h1 = np.abs(rect_1.d - rect_1.b)
    h2 = np.abs(rect_2.d - rect_2.b)
    b1 = np.abs(h1-h2) < tol_h

    return b0 and b1

image = cv2.imread('/tmp/m.png')
grey = cv2.cvtColor(image.copy(), cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(grey.copy(), 0, 255, cv2.THRESH_BINARY_INV)
contours, _ = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL,     cv2.CHAIN_APPROX_SIMPLE)

candidate_rectangles=[]
for c in contours:
    x,y,w,h = cv2.boundingRect(c)
    candidate_rectangles.append(Rect(x,y,x+w,y+h))

kept=np.ones(len(candidate_rectangles))
new_rectangles=[]
for i in range(len(candidate_rectangles)):
    for j in range(i+1,len(candidate_rectangles)):
        b=they_form_an_equal_sign(candidate_rectangles[i], candidate_rectangles[j])
        if b:
            new_rect=merge_rectangles(candidate_rectangles[i], candidate_rectangles[j])
            new_rectangles.append(new_rect)
            kept[i]=0
            kept[j]=0

for i in range(len(kept)):
    if kept[i]:
        rect=candidate_rectangles[i]
        cv2.rectangle(image, (rect.a, rect.b), (rect.c, rect.d), color=(0, 255, 0), thickness=2)
for rect in new_rectangles:
    cv2.rectangle(image, (rect.a, rect.b), (rect.c, rect.d), color=(0, 255, 0), thickness=2)

plt.imshow(image, cmap="gray") 
plt.show()

基本上，这采用蛮力方法，比较在您的代码中检测到的每两个边界框，如果它们满足您之前的要求，则将它们合并为一个更大的边界框：即如果它们被水平藻化（就像减号的顶部和底部应该那样）并且它们的高度大致相同。

但是，这显然不可靠：您需要调整阈值，如果您的表情不是水平的并且没有明显分开，那么整个事情就会崩溃。如果您想要一个更强大/更有用的系统，则用于字符识别的基本 ML 方法是一个更好的起点。

【讨论】：