处理绿色区域

通过上次的结果

提取出绿色区域，使用findContours和rectangle函数用最小外接矩形框出绿色区域，并获取坐标

contour_image = image.copy()
contours, _ = cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
for contour in contours:
    x, y, w, h = cv2.boundingRect(contour)
    cv2.rectangle(contour_image, (x, y), (x + w, y + h), (0, 255, 0), 2)

由于绿色区域的字符太小，需要将绿色区域放大处理，使其占更多的像素

if contours:
    c = max(contours, key=cv2.contourArea)
    x, y, w, h = cv2.boundingRect(c)
    # 裁剪绿色区域
    cropped_green = image[y:y + h, x:x + w]
    # 放大裁剪后的区域（这里放大2倍作为示例）
    resized_green = cv2.resize(cropped_green, None, fx=2, fy=2, interpolation=cv2.INTER_LINEAR)

框出黑色字符

对放大后的绿色区域进行预处理

 # 在放大的绿色区域内查找黑色字符
    gray_resized = cv2.cvtColor(resized_green, cv2.COLOR_BGR2GRAY)
    _, binary_resized = cv2.threshold(gray_resized, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)

    # 可选：形态学操作来清理图像
    kernel = np.ones((3, 3), np.uint8)
    cleaned = cv2.morphologyEx(binary_resized, cv2.MORPH_OPEN, kernel)

    # 查找并绘制字符轮廓
    contours_chars, _ = cv2.findContours(cleaned, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    for contour in contours_chars:
        x, y, w, h = cv2.boundingRect(contour)
        cv2.rectangle(resized_green, (x, y), (x + w, y + h), (0, 0, 255), 2)  # 在放大的绿色区域上绘制轮廓

    # 显示放大的绿色区域
    cv2.imshow('Detected Characters in Enlarged Green Region', resized_green)

识别结果

上传gitee

前往gitee查看

上传成功