python opencv如何检测ROI和包围数字答案

【问题标题】：how python opencv detect ROI together with number arroundedpython opencv如何检测ROI和包围数字
【发布时间】：2017-04-06 22:34:29
【问题描述】：

我这里有一张图片：

我想找到问题编号，即：

所以，一般来说，对于正常的形状，我可以为这个家伙使用形状检测或模板匹配：

但是，区域内有数字。

有人知道这种情况吗？

Opencv：3.2.0

Python：2.7.10

编辑 1

这是模板匹配的代码：

#!/usr/bin/env python
import cv2
import numpy as np

img_rgb = cv2.imread('papere1.jpg')
img_gray = cv2.cvtColor(img_rgb, cv2.COLOR_BGR2GRAY)

template = cv2.imread('no.png',0)
#template = cv2.imread('2.jpg',0)
#template = cv2.imread('papere3.jpg',0)
#cv2.imshow('origin',img_rgb)
#cv2.waitKey(0)
w, h = template.shape[::-1]
res = cv2.matchTemplate(img_gray,template,cv2.TM_CCOEFF_NORMED)

threshold = 0.4

loc = np.where( res >= threshold)
print loc
for pt in zip(*loc[::-1]):

    cv2.rectangle(img_rgb, pt, (pt[0] + w, pt[1] + h), (0,0,255), 2)

cv2.imshow('Detected',img_rgb)
cv2.waitKey(0)

这是模板png：

但是，目标只有在我设置阈值

编辑 2

上面的代码将阈值设置为 0.6，我得到了这个：

所以，看起来不错，但我们可以看到 6 的目标被错过了。而且我认为目标内的数字越多，匹配度就越低。

谢谢。

【问题讨论】：

您尝试过模板匹配吗？我认为即使形状中有数字，相关性仍然很高。
您好，请参阅我上面的编辑 1，相关性较差且不准确。
嗯，现在编辑更好。如果您知道所有图像的目的地总是在图像的左侧 15%，我建议您裁剪它，并为图像/模板的至少 10 个金字塔运行模板匹配并检查它们。这是一种肮脏的方法，但它可能有效。
You might want to see this
我看到了您发布的链接，但似乎不是我想要的。它与比例匹配更相关。实际上，我的情况是模板尺寸与原始图像中的目标几乎相同。但是该链接很有用，因为我们稍后可能会遇到问题:-)

标签： python opencv

【解决方案1】：

在 cmets 和聊天中讨论之后，

实现这一点的步骤如下：

先决条件 - 如果您不想为模板匹配实现金字塔（如果由于过度杀伤而不需要），请确保模板与主图。

第 1 步：运行 cv2.matchTemplate 并使用适当的相关性度量。

第 2 步：为正确检测的度量设置适当的阈值。

第 3 步：OP 提到了具有数字的正方形，因此来自 here 的数字识别并将轮廓的像素设置为黑色，然后运行 cv2.matchTemplate 应该也可以。

PS。 OP提到在检测到正方形后进行数字识别，所以这种也解决了另一个问题。

【讨论】：