SimpleBlobDetector - 隔离与周围不同的斑点答案

【问题标题】：SimpleBlobDetector - Isolate blobs that are distinct from surroundingSimpleBlobDetector - 隔离与周围不同的斑点
【发布时间】：2019-07-04 08:06:53
【问题描述】：

我使用SimpleBlobDetector 来定位小数点和其他类型的标点符号，如下图所示，有时检测器会从文本的实心区域（底部的中间 9)，我正在寻找一种通过SimpleBlobDetector 或在后期处理中过滤掉这些检测的方法。

有没有办法指定一个 blob 必须与其背景颜色分开？也许是一种边缘检测方法？

感谢您的帮助。

检测器代码为：

    params = cv2.SimpleBlobDetector_Params()
    params.filterByArea = True
    params.minArea = 30
    params.minThreshold = 50
    params.maxThreshold = 200
    params.filterByConvexity = True
    params.minConvexity = 0.87
    params.filterByColor = True
    detector = cv2.SimpleBlobDetector_create(params)
    detections = detector.detect(img)

带有检测的输出图像

原文：

【问题讨论】：

标签： python image opencv image-processing computer-vision

【解决方案1】：

这里没有使用SimpleBlobDetector，而是使用边缘/轮廓检测的解决方案，它允许更多的过滤控制。主要思想是

将图像转换为灰度
高斯模糊
从背景中分离主要特征的阈值图像
执行精确边缘检测
扩张 canny 图像以增强和闭合轮廓
在图像中查找轮廓并使用最小/最大阈值区域进行过滤

阈值图像

Canny 边缘检测

扩张以增强轮廓

根据面积检测和过滤轮廓

输出结果

检测到的轮廓：1

import numpy as np
import cv2

original_image = cv2.imread("1.jpg")
image = original_image.copy()
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
blurred = cv2.GaussianBlur(gray, (3, 3), 0)
thresh = cv2.threshold(blurred, 110, 255,cv2.THRESH_BINARY)[1]
canny = cv2.Canny(thresh, 150, 255, 1)
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5,5))
dilate = cv2.dilate(canny, kernel, iterations=1)

cv2.imshow("dilate", dilate)
cv2.imshow("thresh", thresh)
cv2.imshow("canny", canny)

# Find contours in the image
cnts = cv2.findContours(dilate.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]

contours = []

threshold_min_area = 1100
threshold_max_area = 1200

for c in cnts:
    area = cv2.contourArea(c)
    if area > threshold_min_area and area < threshold_max_area:
        cv2.drawContours(original_image,[c], 0, (0,255,0), 3)
        contours.append(c)

cv2.imshow("detected", original_image) 
print('contours detected: {}'.format(len(contours)))
cv2.waitKey(0)

【讨论】：