SimpleBlobDetector - изолировать капли, которые отличаются от окружающих

Question

Я использую SimpleBlobDetector, чтобы найти десятичные точки и другие типы знаков препинания, как видно на рисунке ниже, иногда детектор обнаруживает пятна из сплошных областей текста (нижняя частьв середине 9), я ищу способ отфильтровать эти обнаружения либо через SimpleBlobDetector, либо в пост-процессе.

Есть ли способ указать, что капля должна быть отделена от цвета фона?Может быть, метод определения края?

Ваша помощь приветствуется.

Код детектора:

    params = cv2.SimpleBlobDetector_Params()
    params.filterByArea = True
    params.minArea = 30
    params.minThreshold = 50
    params.maxThreshold = 200
    params.filterByConvexity = True
    params.minConvexity = 0.87
    params.filterByColor = True
    detector = cv2.SimpleBlobDetector_create(params)
    detections = detector.detect(img)

Выходное изображение с обнаружениями

Оригинал:

Answer 1

Вместо использования SimpleBlobDetector, здесь есть решение, использующее обнаружение контуров / контуров, которое обеспечивает больший контроль фильтрации.Основная идея:

• Преобразование изображения в градации серого
• Размытие по Гауссу
• Пороговое изображение для отделения основных элементов от фона
• Выполнение обнаружения контуров
• Расширять хитрое изображение для улучшения и закрытия контуров
• Поиск контуров на изображении и фильтра с использованием минимальной / максимальной пороговой области

Пороговое изображение

Обнаружение канни по краям

Расширение для улучшения контуров

Обнаруженные и отфильтрованные контуры в зависимости от области

Результаты вывода

*Обнаружено 1048 * контуров: 1

import numpy as np
import cv2

original_image = cv2.imread("1.jpg")
image = original_image.copy()
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
blurred = cv2.GaussianBlur(gray, (3, 3), 0)
thresh = cv2.threshold(blurred, 110, 255,cv2.THRESH_BINARY)[1]
canny = cv2.Canny(thresh, 150, 255, 1)
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5,5))
dilate = cv2.dilate(canny, kernel, iterations=1)

cv2.imshow("dilate", dilate)
cv2.imshow("thresh", thresh)
cv2.imshow("canny", canny)

# Find contours in the image
cnts = cv2.findContours(dilate.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]

contours = []

threshold_min_area = 1100
threshold_max_area = 1200

for c in cnts:
    area = cv2.contourArea(c)
    if area > threshold_min_area and area < threshold_max_area:
        cv2.drawContours(original_image,[c], 0, (0,255,0), 3)
        contours.append(c)

cv2.imshow("detected", original_image) 
print('contours detected: {}'.format(len(contours)))
cv2.waitKey(0)