come rilevare la regione di un gran numero di pixel bianchi usando opencv?

Question

voglio rilevare il logo all'interno dell'immagine per rimuoverlo, ho un'idea che è cercare oggetti che hanno il grande numero di pixel che poi rimuovono, un'altra idea è quella di scorrere tutti i pixel bianchi (ho invertito la mia immagine) e cercare i pixel che formano una regione ampia e quindi rimuovere questa regione, c'è un algoritmo migliore di questo, anche quali metodi in opencv mi aiuteranno a rilevare l'oggetto del numero di pixel di grandi dimensioni.

Answer 1

Ho un metodo per farlo. Non so se questo metodo è applicabile a tutti, ma funziona bene qui.

seguito è il codice (in Python):

immagine primo convertito in scala di grigi, ridimensionare immagini, applicare soglia, e fare un'immagine di maschera stessa dimensione e tipo di quella scala di grigi ridimensionata. (L'immagine della maschera è solo un'immagine nera)

import cv2 
import numpy as np 

img = cv2.imread('bus.png') 
img = cv2.resize(img,(400,500)) 
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) 
ret,gray = cv2.threshold(gray,127,255,0) 
gray2 = gray.copy() 
mask = np.zeros(gray.shape,np.uint8) 

Ora trova i contorni nell'immagine della soglia. Filtra il contorno per un'area compresa tra 500 e 5000. Probabilmente sarà un grosso blob bianco, ovviamente non lettere. (Ricorda, quest'area è particolare per questa immagine .Non conosco le tue altre immagini. Dovrai trovarla da te). Ora disegna questo contorno sull'immagine della maschera piena di colore bianco.

contours, hier = cv2.findContours(gray,cv2.RETR_LIST,cv2.CHAIN_APPROX_SIMPLE) 
for cnt in contours: 
    if 200<cv2.contourArea(cnt)<5000: 
     cv2.drawContours(img,[cnt],0,(0,255,0),2) 
     cv2.drawContours(mask,[cnt],0,255,-1) 

Below is the detected contour image:

Next is the mask image:

Ora si inverte immagine utilizzando la funzione cv2.bitwise_not. Esiste un'opzione per dare una maschera dove diamo la nostra immagine maschera in modo tale che la funzione operi solo sull'area dell'immagine di input dove c'è il bianco nell'immagine della maschera.

cv2.bitwise_not(gray2,gray2,mask) 

E infine mostrare l'immagine:

cv2.imshow('IMG',gray2) 
cv2.waitKey(0) 
cv2.destroyAllWindows() 

Ed ecco il risultato:

---

NOTA:

Sopra il metodo è fatto per conservare "ARANCIONE" in quadrato bianco. Ecco perché alcuni artefatti ci sono. Se non vuoi anche quell'arancia, può essere più accurata.

Basta trovare il rettangolo di delimitazione per i contorni filtrati dall'area e disegnare il rettangolo pieno di colore nero.

Codice:

import cv2 
import numpy as np 

img = cv2.imread('bus.png') 
img = cv2.resize(img,(400,500)) 
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) 
ret,gray = cv2.threshold(gray,127,255,0) 
gray2 = gray.copy() 

contours, hier = cv2.findContours(gray,cv2.RETR_LIST,cv2.CHAIN_APPROX_SIMPLE) 
for cnt in contours: 
    if 200<cv2.contourArea(cnt)<5000: 
     (x,y,w,h) = cv2.boundingRect(cnt) 
     cv2.rectangle(gray2,(x,y),(x+w,y+h),0,-1) 

cv2.imshow('IMG',gray2) 
cv2.waitKey(0) 
cv2.destroyAllWindows() 

Risultato:

rilevati rettangoli di delimitazione:

Poi fillout quei rettangoli con il nero:

.515.053.691,36321 milioni

E 'meglio rispetto alle precedenti, naturalmente se non si vuole "arancione")

Answer 2

È possibile utilizzare i filtri morfologici (forse filtri alternati sequenziali) per semplificare l'immagine multicolore e quindi utilizzare un algoritmo di segmentazione come spartiacque o un metodo di granulometria e scegliere l'oggetto più grande. Puoi trovare diverse implementazioni online. Ma questo funzionerà solo se il logo è discreto (ad esempio non sullo sfondo)