wie erkennt man einen Bereich mit einer großen Anzahl weißer Pixel mit opencv?

Ich habe eine Methode, um dies zu tun. Ich weiß nicht, ob diese Methode auf alle anwendbar ist, aber sie funktioniert hier gut.

Hier ist der Code (in Python):

Konvertieren Sie zunächst ein Bild in Graustufen, ändern Sie die Bildgröße, wenden Sie den Schwellenwert an, und erstellen Sie ein Maskenbild mit der gleichen Größe und dem gleichen Typ wie das Graustufenbild, dessen Größe geändert wurde. (Maskenbild ist nur ein schwarzes Bild)

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)

Finden Sie jetzt Konturen im Schwellwertbild. Filtern Sie die Kontur für eine Fläche zwischen 500 und 5000. Es handelt sich höchstwahrscheinlich um einen großen weißen Fleck, offensichtlich nicht um Buchstaben. (Denken Sie daran, dass dieser Bereich speziell für dieses Bild ist. Ich kenne Ihre anderen Bilder nicht. Sie müssen es selbst finden). Zeichnen Sie nun diese Kontur auf das mit weißer Farbe gefüllte Maskenbild.

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:

Jetzt invertieren Sie das Bild mit der cv2.bitwise_not-Funktion. Dort haben Sie die Möglichkeit, eine Maske anzugeben, in der wir unser Maskenbild angeben, sodass die Funktion nur für den Bereich im Eingabebild gilt, in dem das Maskenbild weiß ist.

cv2.bitwise_not(gray2,gray2,mask)

Und endlich das Bild zeigen:

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

Und hier ist das Ergebnis:

HINWEIS:

Die obige Methode wird angewendet, um "ORANGE" im weißen Quadrat zu erhalten. Deshalb gibt es einige Artefakte. Wenn Sie diese Orange auch nicht möchten, kann sie genauer sein.

Suchen Sie einfach das Begrenzungsrechteck für die gefilterten Konturen und zeichnen Sie ein mit schwarzer Farbe gefülltes Rechteck.

Code:

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()

Ergebnis:

erkannte Bounding-Rects:

Dann füllen Sie diese Rechtecke mit Schwarz aus:

Es ist besser als vorher, natürlich, wenn Sie nicht "ORANGE" wollen.