jak wykryć region dużych # białych pikseli za pomocą opencv?

Mam na to sposób. Nie wiem, czy ta metoda ma zastosowanie do wszystkich, ale działa dobrze tutaj.

Poniżej znajduje się kod (w Pythonie):

Najpierw przekonwertuj obraz na skalę szarości, Zmień rozmiar obrazu, zastosuj próg i utwórz obraz maski o takim samym rozmiarze i typie, jak obraz w skali szarości. (Obraz maski jest tylko czarnym obrazem)

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)

Teraz znajdź kontury w obrazie progu. Filtruj kontur dla obszaru od 500 do 5000. Będzie to najprawdopodobniej duża biała plama, oczywiście nie listy. (Pamiętaj, ten obszar jest szczególny dla tego obrazu. Nie wiem o twoich innych zdjęciach. Będziesz musiał sam go znaleźć). Teraz narysuj ten kontur na obrazie maski wypełnionym białym kolorem.

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:

Teraz odwracasz obraz za pomocą funkcji cv2.bitwise_not. Tam masz możliwość podania maski, gdzie podajemy nasz obraz maski tak, że funkcja działa tylko na obszarze w obrazie wejściowym, gdzie jest biały w masce obraz.

cv2.bitwise_not(gray2,gray2,mask)

I na koniec Pokaż obrazek:

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

A oto wynik:

Uwaga:

Powyższa metoda jest wykonywana w celu zachowania "pomarańczowego" w białym kwadracie. Dlatego są tam artefakty. Jeśli nie chcesz, że pomarańczowy również, może być bardziej dokładne.

Znajdź prostokąt obwiedni dla konturów filtrowanych powierzchniowo i narysuj prostokąt wypełniony czarnym kolorem.

Kod:

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()

Wynik:

Wykryto rect:

Następnie wypełnij te prostokąty czarnym: