问题描述
我应该编写一个程序来处理这种类型的图像：
（所有图像均采用此格式：绿色矩形和蓝色圆圈）。圆圈代表数字的二进制表示。任务是检测圆后输出十进制数。
我的方法是首先找到绿色矩形（我没有使用颜色遮罩，原因稍后解释）并获取其宽度和高度。
接下来，我根据对称性推断圆心必须位于距矩形左边缘 w/8,3w/8,5w/8 和 7w/8 的位置。 （水平）。
所以，我使用了 HoughCircles() 方法，然后尝试以 (2x-1)w/8 的形式表达中心的 x 坐标。
显然，每个圆的十进制等效值由 exp=2^(4-x). 给出，因此，我使用 n+=2**exp 来获得十进制表示。
我还使用矩形的坐标来近似 HoughCircles() 方法的适当 minRadius 和 maxRadius 值，以免检测到不必要的圆。
import numpy as np
import cv2 as cv
img = cv.imread("7.jpeg")
img_height,img_w,c=img.shape
n=0 #stores the decimal rep.
width=0 #dimensions of the rectangle
height=0
start_x=0 #starting coordinates of the rectangle
start_y=0
end_x=0 #ending '''''''
end_y=0
minr=0 #for the houghCircles() method
maxr=0
mind=0
output = img.copy()
gray = cv.cvtColor(img,cv.COLOR_BGR2GRAY)
_,th = cv.threshold(gray,240,255,cv.THRESH_BINARY)
contours,_ = cv.findContours(th,cv.RETR_TREE,cv.CHAIN_APPROX_NONE)
for contour in contours:
approx = cv.approxpolyDP(contour,0.01* cv.arcLength(contour,True),True)
cv.drawContours(img,[approx],(0,0),5)
x = approx.ravel()[0]
y = approx.ravel()[1]
if len(approx) == 4 and x>15 :
x1,y1,w,h = cv.boundingRect(approx)
aspectRatio = float(w)/h
if aspectRatio <= 0.95 or aspectRatio >= 1.05:
width=w
height=h
start_x=x1
start_y=y1
end_x=start_x+width
end_y=start_y+height
cv.rectangle(output,(start_x,start_y),(end_x,end_y),255),3)
cv.putText(output,"rectangle "+str(x)+"," +str(y-5),(x,y-5),cv.FONT_HERShey_COMPLEX,0.5,0))
minr=int(17*width/192)
maxr=int(7*width/64)
mind=int(width//5)
print("start",start_x,start_y)
print("width",width)
print("height",height)
print("minr",minr)
print("maxr",maxr)
print("mind",mind)
gray = cv.medianBlur(gray,5)
circles = cv.HoughCircles(gray,cv.HOUGH_GRADIENT,1,mind,param1=50,param2=30,minRadius=minr,maxRadius=maxr)
detected_circles = np.uint16(np.around(circles))
for (x,y,r) in detected_circles[0,:]:
if(y>start_y and x>start_x):
print("center ",x,y)
idx= int (((x-start_x)*8)//width)
exp=int(4- (0.5* (idx+1)))
n+= 2**exp
cv.circle(output,y),r,3)
cv.circle(output,2,3)
print(n)
cv.imshow('output',output)
cv.waitKey(0)
cv.destroyAllWindows()
这对所有这种类型的图像都很有效。但是，有一个小缺点：
测试图像采用非常“漂亮”的格式：所有图像的宽度和高度都是固定的，完全垂直，每个图像中矩形和圆形的所有颜色在所有图像中的阴影完全相同，等
然而，我们应该使代码更通用：为了适应“不太好”的图像。例如，这种风格的图片：
本质上是相同的格式，但我觉得背景照明 + 支架不是完全直立使得概括代码更具挑战性。这就是我避免使用 HSV 颜色遮罩的原因，因为不会有一组适合所有图像的更高和更低的值。
但是，我尝试做的也失败了：它无法正确检测矩形。我希望它检测多个矩形，但它在那些根本没有矩形的位置（而不是在有矩形的位置）检测矩形。
如何调整我的代码以使其更通用，以便正确处理第二种类型的图像？
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）