关于学习 使用opencv识别验证码缺口遇到的问题

2872423252

1. import cv2
   
2. 
   
3. GAUSSIAN_BLUR_KERNAL_SIZE = (5, 5)
   
4. GAUSSIAN_BLUR_SIGMA_X = 0
   
5. GANNY_THERSHOLD1 = 200
   
6. GANNY_THERSHOLD2 = 200
   
7. import random
   
8. 
   
9. 
   
10. def get_gussian_blur_image(image):
    
11.     return cv2.GaussianBlur(image, GAUSSIAN_BLUR_KERNAL_SIZE, GAUSSIAN_BLUR_SIGMA_X)
    
12. 
    
13. 
    
14. def get_canny_image(image):
    
15.     return cv2.Canny(image, GANNY_THERSHOLD1, GANNY_THERSHOLD2)
    
16. 
    
17. 
    
18. def get_contours(image):
    
19.     contours, _ = cv2.findContours(image, cv2.RETR_CCOMP, cv2.CHAIN_APPROX_SIMPLE)
    
20.     return contours
    
21. 
    
22. 
    
23. # 以下是显示图像的代码，不做修改
    
24. 
    
25. import cv2
    
26. import matplotlib.pyplot as plt
    
27. 
    
28. # 读取图像
    
29. image_raw = cv2.imread('2222.png')
    
30. 
    
31. # 获取图像尺寸
    
32. image_height, image_width, _ = image_raw.shape
    
33. 
    
34. # 高斯模糊处理
    
35. image_gaussian_blur = get_gussian_blur_image(image_raw)
    
36. 
    
37. # Canny边缘检测
    
38. image_canny = get_canny_image(image_gaussian_blur)
    
39. 
    
40. # 轮廓查找
    
41. contours = get_contours(image_canny)
    
42. 
    
43. # 显示原始图像
    
44. plt.subplot(2, 2, 1)
    
45. plt.imshow(cv2.cvtColor(image_raw, cv2.COLOR_BGR2RGB))
    
46. plt.title('Original Image')
    
47. 
    
48. # 显示高斯模糊后的图像
    
49. plt.subplot(2, 2, 2)
    
50. plt.imshow(cv2.cvtColor(image_gaussian_blur, cv2.COLOR_BGR2RGB))
    
51. plt.title('Gaussian Blur Image')
    
52. 
    
53. 
    
54. def get_contour_area_threshold(image_width, image_height):
    
55.     contour_area_min = image_width * image_height * 0.1 * 0.1 * 0.8
    
56.     contour_area_max = image_width * image_height * 0.2 * 0.2 * 1.2
    
57.     return contour_area_min, contour_area_max
    
58. 
    
59. 
    
60. def get_arc_length_threshold(image_width, image_height):
    
61.     arc_length_min = ((image_width * 0.1) + (image_height * 0.1)) * 2 * 0.8
    
62.     arc_length_max = ((image_width * 0.2) + (image_height * 0.2)) * 2 * 1.2
    
63.     return arc_length_min, arc_length_max
    
64. 
    
65. 
    
66. def get_offset_threshold(image_width):
    
67.     offset_min = 0.3 * image_width
    
68.     offset_max = 0.8 * image_width
    
69.     return offset_min, offset_max
    
70. 
    
71. 
    
72. import random
    
73. import matplotlib.pyplot as plt
    
74. 
    
75. # 绘制轮廓
    
76. for contour in contours:
    
77.     color = (random.randint(0, 255) / 255, random.randint(0, 255) / 255, random.randint(0, 255) / 255)
    
78.     cv2.drawContours(image_raw, [contour], -1, color, 2)
    
79. 
    
80. # 显示Canny边缘检测后的图像和轮廓
    
81. plt.subplot(2, 2, 3)
    
82. plt.imshow(image_canny, cmap='gray')
    
83. plt.title('Canny Image')
    
84. 
    
85. plt.subplot(2, 2, 4)
    
86. plt.imshow(cv2.cvtColor(image_raw, cv2.COLOR_BGR2RGB))
    
87. for contour in contours:
    
88.     color = (random.randint(0, 255) / 255, random.randint(0, 255) / 255, random.randint(0, 255) / 255)
    
89.     plt.plot(contour[:, 0, 0], contour[:, 0, 1], color=color, linewidth=2)
    
90. plt.title('Contours')
    
91. 
    
92. # 调整子图布局
    
93. plt.tight_layout()
    
94. 
    
95. # 保存最后的图片
    
96. plt.savefig('contours.png')
    
97. 
    
98. # 显示图像
    
99. plt.show()
    
100. 
     
101. contour_area_min, contour_area_max = get_contour_area_threshold(image_width, image_height)
     
102. arc_length_min, arc_length_max = get_arc_length_threshold(image_width, image_height)
     
103. offset_min, offset_max = get_offset_threshold(image_width)
     
104. offset = None
     
105. print(len(contours))
     
106. count = 1
     
107. for contour in contours:
     
108.     x, y, w, h = cv2.boundingRect(contour)
     
109.     if offset_min < x < offset_max and arc_length_min < cv2.arcLength(contour,
     
110.                                                                       True) < arc_length_max and contour_area_min < cv2.contourArea(
     
111.             contour) < contour_area_max:
     
112.         cv2.rectangle(image_raw, (x, y), (x + w, y + h), (0, 0, 255), 2)
     
113.         offset = x
     
114.         print(1)
     
115. 
     
116. # 保存带有矩形框的图像
     
117. cv2.imwrite('image_label.png', cv2.cvtColor(image_raw, cv2.COLOR_BGR2RGB))
     
118. print('offset', offset)

复制代码

原理我大概懂了，实操起来到处是困难，运行后每一个轮廓满足条件，我觉得应该是3个判断阈值函数设置有问题，可是我就是不知道哪里错了，希望论坛的大佬能指点我,万分感谢。代码如上，图片使用的是这个：https{删除}://smms.app/image/N6qywYfZU3Senlz

陶远航

根据您提供的代码，有一些可能导致问题的地方：

1. 高斯模糊参数：
   GAUSSIAN_BLUR_KERNAL_SIZE = (5, 5) 设置了高斯模糊的内核大小。您可以尝试调整这个参数来适应您的验证码图片，如果图片较小，可以减小内核大小。

2. Canny 边缘检测参数：
   GANNY_THERSHOLD1 = 200 和 GANNY_THERSHOLD2 = 200 是用于设置 Canny 边缘检测的阈值参数。您可以尝试调整这两个阈值来获取更好的边缘检测效果。

3. 轮廓查找参数：
   contours, _ = cv2.findContours(image, cv2.RETR_CCOMP, cv2.CHAIN_APPROX_SIMPLE) 中的 cv2.RETR_CCOMP 和 cv2.CHAIN_APPROX_SIMPLE 分别是轮廓检测的两个参数。您可以尝试使用其他参数组合来获取更准确的轮廓。

此外，您也可以尝试调整其他阈值函数中的参数和阈值范围，以便更好地适应您的验证码图片。希望这些提示对您有帮助！
如果问题已经解决，请设置最佳答案

isdkz

你的代码中有几个问题导致判断条件无法生效：

1.  get_contour_area_threshold 函数中计算面积阈值的公式错误。应该将0.1和0.2乘以0.1和0.2，而不是乘以0.8和1.2。正确的代码如下：

1. def get_contour_area_threshold(image_width, image_height):
   
2.     contour_area_min = image_width * image_height * 0.1 * 0.1 * 0.1
   
3.     contour_area_max = image_width * image_height * 0.2 * 0.2 * 0.2
   
4.     return contour_area_min, contour_area_max
   

复制代码

2.  get_arc_length_threshold 函数中计算轮廓周长阈值的公式错误。应该将0.1和0.2分别乘以2，而不是乘以0.8和1.2。正确的代码如下：

1. def get_arc_length_threshold(image_width, image_height):
   
2.     arc_length_min = ((image_width * 0.1) + (image_height * 0.1)) * 2
   
3.     arc_length_max = ((image_width * 0.2) + (image_height * 0.2)) * 2
   
4.     return arc_length_min, arc_length_max
   

复制代码

3.  get_offset_threshold 函数中计算偏移阈值的公式错误。应该将0.3和0.8分别乘以 image_width ，而不是乘以1。正确的代码如下：

1. def get_offset_threshold(image_width):
   
2.     offset_min = 0.3 * image_width
   
3.     offset_max = 0.8 * image_width
   
4.     return offset_min, offset_max
   

复制代码

修改以上问题后，再次运行代码，判断条件应该可以正确生效了。希望对你有帮助！

琅琊王朝

很抱歉，作为AI机器人，我无法查看您的代码或使用图片链接。但是，我可以向您提供一些检查图像轮廓的方法，希望对您有所帮助。

1. 首先，您需要获取图像的轮廓。使用OpenCV函数findContours()可以找到轮廓的起始点和结束点。请确保在调用该函数前将图像转换为二进制形式（可以使用阈值处理等方法）。

2. 检查每个轮廓的面积，可以使用OpenCV函数contourArea()计算得出。如果一个轮廓的面积太小，可能是不需要的噪声或错误的对象。

3. 检查每个轮廓的周长，可以使用OpenCV函数arcLength()计算得出。如果一个轮廓的周长太小，也可能是不需要的噪声或错误的对象。

4. 检查每个轮廓的凸包，在OpenCV中使用convexHull()函数实现。如果一个轮廓不是凸多边形，则可能是需要进一步处理或排除的对象。

5. 检查每个轮廓的形状。可以使用OpenCV函数approxPolyDP()来近似估算轮廓的形状。如果一个轮廓的形状不符合预期，可能需要进一步处理或排除。

6. 如果以上方法无法解决问题，您可以尝试手动打印或可视化每个轮廓的数据，以确定哪个阈值设置不正确或哪个轮廓出现了问题。

希望这些方法可以对您有所帮助。如果您有任何其他问题，请随时提出。
此内容为ChatGPT回答，如果胡说八道，请不要理会
如果对你有帮助，请设置一个最佳答案！