如何在图像中找到矩形轮廓？

Question

我目前正在从事一个从卫星图像中识别足球场的项目。这是一个足球场的顶视图卫星图像我使用了 mediumblur 功能清除了这张图片中的所有小杂质。后来我只选择了图像的绿色部分，并使用命令 cv2.inRange(hsv_img, light_green, dark_green) 制作了一个蒙版，其中 light_green 和 dark_green 是我在 hsv 中的绿色范围。拿到口罩后。我得到了这个作为输出：由于它有一些杂质，我使用了 mediumblur 函数中值 = cv2.medianBlur(image, 45) 我得到的输出是：正如你所看到的，我有很多轮廓和中间的主要矩形轮廓。我需要一种从图像中选择这种矩形轮廓的算法，而我必须忽略其余部分。这之后我该怎么办？

Answer 1

我的方法是：

1. 从输入图像中找到“正方形”或“矩形”之类的形状

2. 找到最大面积的那个。

假设输入是您计算的“中值”结果：

中值图像（输入）：

首先，导入必要的库并净化镜像。

import cv2

import numpy as np

# assuming you have the result image store in median

# median = cv2.imread("abc.jpg", 0)

image_gray = median 

image_gray = np.where(image_gray > 30, 255, image_gray)

image_gray = np.where(image_gray <= 30, 0, image_gray)

image_gray = cv2.adaptiveThreshold(image_gray, 255,

                           cv2.ADAPTIVE_THRESH_GAUSSIAN_C,

                           cv2.THRESH_BINARY, 115, 1)

找到轮廓，然后根据它们的形状应用过滤功能。

_, contours, _ = cv2.findContours(image_gray, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

rect_cnts = []

for cnt in contours:

    peri = cv2.arcLength(cnt, True)

    approx = cv2.approxPolyDP(cnt, 0.04 * peri, True)

    (x, y, w, h) = cv2.boundingRect(cnt)

    ar = w / float(h)

    if len(approx) == 4: # shape filtering condition

        rect_cnts.append(cnt)

找出面积最大的那个，并画出结果。

max_area = 0

football_square = None

for cnt in rect_cnts:

    (x, y, w, h) = cv2.boundingRect(cnt)

    if max_area < w*h:

        max_area = w*h

        football_square = cnt

# Draw the result

image = cv2.cvtColor(image_gray, cv2.COLOR_GRAY2RGB)

cv2.drawContours(image, [football_square], -1, (0, 0,255), 5)

cv2.imshow("Result Preview", image)

cv2.waitKey()

结果预览：