區分圓形和單選按鈕 Opencv python

Question

我有一個任務來檢測圖像中的圓圈和單選按鈕。 為此，我通過使用不同的參數嘗試了 Hough 圓。

問題：如果圖像中的圓與單選按鈕的半徑相同，則兩者都會被檢測到，但在我們的例子中，它應該只檢測到一個。

有沒有辦法區分圓圈和單選按鈕（當它們未被選中時）。 現在我通過 Radius 限制它們有 2 種不同的功能，一種用於圓形，一種用於單選按鈕。 上面的代碼是針對圓圈的

    circle_contours=[]
    # Converting the image Gray scale
    gray = cv2.cvtColor(image1, cv2.COLOR_BGR2GRAY)
    # Blur the image to reduce noise
    img_blur = cv2.medianBlur(gray, 5)
    # Apply hough transform on the image
    circles = cv2.HoughCircles(img_blur, cv2.HOUGH_GRADIENT, 1,20, param1=50, param2=20, 
    minRadius=11, maxRadius=21)
    # Draw detected circles
    if circles is not None:
       circles = np.uint16(np.around(circles))
    for i in circles[0, :]:
       # Draw outer circle
       cv2.circle(image1, (i[0], i[1]), i[2], (34, 255, 34), 2)
       circle_contours.append(circles)

我對單選按鈕使用了類似的方法，但參數不同，如下所示。

    radio_buttons= cv2.HoughCircles(img_blur, cv2.HOUGH_GRADIENT, 1,20, param1=50, param2=16, 
    minRadius=9, maxRadius=10)

原圖

圖 1：

圖 2：

對於 Image1，它正確檢測圓，當它傳遞給單選按鈕功能時，它還為它的內部繪制圓（Image2），半徑減小，這些圓也被檢測為單選按鈕

在Image3 Image3 中，它必須檢測圓形和單選按鈕，而我的代碼只能檢測圓形。

我也嘗試過使用繪制輪廓，但是當圖像也有復選框時會出現問題。

有沒有其他方法或更好的檢測方法？

Answer 1

1. 找出並畫出答卷中的所有輪廓。

---

2. 應用HoughCircles

---

第 1 步：我們可以從在給定的答卷中找到所有輪廓開始。

• contourIdx=-1表示繪制所有輪廓。

•  import cv2 import numpy as np image = cv2.imread('zip_grade_form.png') # Converting the image Gray scale gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) ret, thresh = cv2.threshold(src=gray, thresh=127, maxval=255, type=0) contours, hierarchy = cv2.findContours(image=thresh, mode=cv2.RETR_TREE, method=cv2.CHAIN_APPROX_SIMPLE) gray = cv2.drawContours(image=gray, contours=contours, contourIdx=-1, color=(255, 255, 255), thickness=2)

  結果：

• 

• 從上面我們可以看到，除圓圈外的所有特征都被刪除了。 我們使用findContours方法刪除不需要的工件。

步驟#2：應用HoughCircles 。 您在問題上編寫的相同代碼。 結果：

• 

代碼：

import cv2
import numpy as np

image = cv2.imread('zip_grade_form.png')

# Converting the image Gray scale
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

ret, thresh = cv2.threshold(src=gray, thresh=127, maxval=255, type=0)

contours, hierarchy = cv2.findContours(image=thresh,
                                       mode=cv2.RETR_TREE,
                                       method=cv2.CHAIN_APPROX_SIMPLE)

gray = cv2.drawContours(image=gray, contours=contours, contourIdx=-1,
                        color=(255, 255, 255), thickness=2)

cv2.imwrite("gray.png", gray)

img_blur = cv2.medianBlur(gray, 5)
circles = cv2.HoughCircles(img_blur, cv2.HOUGH_GRADIENT, 1, 20, param1=50, param2=16,
                           minRadius=9, maxRadius=10)

circle_contours = []

if circles is not None:
    circles = np.uint16(np.around(circles))
    for i in circles[0, :]:
        # Draw outer circle
        cv2.circle(image, (i[0], i[1]), i[2], (108, 105, 255), 2)
        circle_contours.append(circles)


cv2.imwrite("circles.png", image)

更新

• 為了檢測復選框和單選按鈕，您需要計算contour-perimeter (p) 和contour-approximation (a)。 來源

• 我們可以使用p和a值來分隔每個對象，因為每個對象都有一個唯一的p和a值。

• 例如，在圖像 3 中，

  • 復選框： p = 73 和a = 4
  • 單選按鈕： p = 64 和a = 8。

• 您可以找到觀察代碼的值。

• 再次應用第一步。

  • 結果：

  • 

• 現在找到上圖中的輪廓：

  •  if len(approx) == 8 and int(p) == 64: cv2.drawContours(image, [c], -1, (180, 105, 255), 3) elif len(approx) == 4 and int(p) == 73: cv2.drawContours(image, [c], -1, (180, 105, 255), 3)

  • 結果：

    • 

  • 代碼：

     import cv2 from imutils import grab_contours as grb_cns from imutils import resize as rsz image = cv2.imread('K1Z94.png') # Converting the image Gray scale gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) ret, thresh = cv2.threshold(src=gray, thresh=127, maxval=255, type=0) contours, hierarchy = cv2.findContours(image=thresh.copy(), mode=cv2.RETR_TREE, method=cv2.CHAIN_APPROX_SIMPLE) gray = cv2.drawContours(image=gray, contours=contours, contourIdx=-1, color=(255, 255, 255), thickness=2) resized = rsz(gray, width=300) ratio = gray.shape[0] / float(gray.shape[0]) canny = cv2.Canny(gray, 50, 200) thresh = cv2.threshold(src=canny, thresh=60, maxval=255, type=cv2.THRESH_OTSU + cv2.THRESH_BINARY)[1] cns = cv2.findContours(image=thresh.copy(), mode=cv2.RETR_EXTERNAL, method=cv2.CHAIN_APPROX_SIMPLE) cns = grb_cns(cns) for c in cns: p = cv2.arcLength(c, True) # perimeter approx = cv2.approxPolyDP(c, 0.04 * p, True) M = cv2.moments(c) # check if the all values of M are 0. all_zr = all(value == 0 for value in M.values()) if not all_zr: cX = int((M["m10"] / M["m00"])) cY = int((M["m01"] / M["m00"])) c = c.astype("float") c *= ratio c = c.astype("int") # Circles: (radio-buttons) if len(approx) == 8 and int(p) == 64: cv2.drawContours(image, [c], -1, (180, 105, 255), 3) elif len(approx) == 4 and int(p) == 73: cv2.drawContours(image, [c], -1, (180, 105, 255), 3) cv2.imwrite("result.png", image)