Tag: 边缘检测

algorithm检测照片中的纸张angular落

检测照片中发票/收据/纸张的angular落的最佳方法是什么？ 在OCR之前，这将被用于随后的透视校正。 我目前的做法是： RGB>灰度> Canny边缘检测与阈值> Dilate（1）>移除小物件（6）>清除边界物件>根据凸面区域挑选大型博客。 > [angular落检测 – 未实施] 我不禁想到，必须有一个更强大的“智能”/统计方法来处理这种types的分割。 我没有很多训练的例子，但是我可能一起得到100张图片。 更广泛的上下文： 我正在使用matlab来build立原型，并计划在OpenCV和Tesserect-OCR中实现这个系统。 这是我需要为这个特定应用程序解决的许多image processing问题中的第一个。 所以我期待推出自己的解决scheme，并重新熟悉image processingalgorithm。 下面是一些我希望algorithm处理的示例图片：如果您想要接受挑战，那么大图片位于http://madteckhead.com/tmp 案例1 http://madteckhead.com/tmp/IMG_0773_sml.jpg 案例2 http://madteckhead.com/tmp/IMG_0774_sml.jpg 案例3 http://madteckhead.com/tmp/IMG_0775_sml.jpg 案例4 http：/ /madteckhead.com/tmp/IMG_0776_sml.jpg 最好的情况是： 案例1 – canny http://madteckhead.com/tmp/IMG_0773_canny.jpg 案例1 – post canny http://madteckhead.com/tmp/IMG_0773_postcanny.jpg 案例1 – 最大的博客http://madteckhead.com/tmp/ IMG_0773_blob.jpg 但是在其他情况下很容易失败： 案例2 – canny http://madteckhead.com/tmp/IMG_0774_canny.jpg 案例2 – post canny http://madteckhead.com/tmp/IMG_0774_postcanny.jpg 案例2 – 最大的博客http://madteckhead.com/tmp/ […]

基于边缘像素图的图像分割

我已经在Python中训练了一个分类器，用于将单元图像中的像素分类为边缘或非边缘。 我已经在一些图像数据集上成功地使用了它，但是却遇到了这个特定数据集的问题，这对人眼来说似乎很模糊。 我不知道任何现有的可以精确分割的自动化技术。 预测后，我得到以下图像： 我对image processing相对来说比较陌生，不确定如何进行实际获取细胞的最终分割。 我简要地尝试了一些不同的技术，即Hough循环变换，水平集，镂空，轮廓查找 – 但没有一个真正做到这一点。 我只是没有正确调整参数，还是有更好的技术呢？ 顺便提一下，下面是正确的轮廓，供参考。 原始图像： 连续概率图：

字符重build和OCR填充

我正在轮胎上进行文字识别。 为了使用OCR，我必须先得到一个清晰的二进制地图。 我已经处理了图像，文本出现了断开和停止的边缘。 我已经在MATLAB中尝试过使用圆形光盘和线条元素进行标准侵蚀/扩大，但这并没有真正的帮助。 Pr1-关于如何重build这些angular色，填补angular色间的差距？ Pr2-上面的图像是更高的分辨率和良好的照明。 但是，如果照度较差，分辨率相对较低，那么处理的可行select是什么？ 解决scheme尝试 S1：这是将中值滤波应用于Spektre共享的处理图像的结果。 为了消除噪声，我应用了一个中值滤波器（5×5），然后用线元素（5,11）进行图像膨胀。 即使现在OCR（Matlab 2014b）只能识别一些字符 无论如何，非常感谢迄今为止的build议。 我仍然会等待，看看是否有人可以build议不同的东西，也许想出了盒子:)。 Matlab实现下面Spektre代码步骤的结果（没有中风扩张（按照1,2,3,4： 并且具有阈值tr0 = 400和tr1 = 180以及用于归一化的angular点顺序1,3,2,4 最好的祝福 Wajahat