我有一個這樣的原始圖像，我想稍后分割這個lisence板上的每個字符，我在用以下代碼分割每個字符之前使用高斯閾值來轉換板：Val_hsv = cv2.split(cv2.cvtColor(crop_frame, cv2.COLOR_BGR2HSV))[1] adaptive_tresh = threshold_local(Val_hsv, 29, offset=9, method="gaussian") thresh = (Val_hsv > adaptive_tresh).astype("uint8") * 255 thresh = cv2.bitwise_not(thresh) crop_frame = imutils.resize(crop_frame, width=400) thresh = imutils.resize(thresh, width=400) cv2.imshow("Threshold plate", thresh)結果出來的結果是太多的噪音，我想，我很困惑，有什么比這更好的結果的解決方案嗎？謝謝
1 回答
料青山看我應如是
TA貢獻1772條經驗 獲得超8個贊
我建議不要在這里使用簡單的顏色分割，使用它可以輕松分割出輸入圖像中的黑色和紅色雜色元素。cv2.adaptiveThreshold
import cv2
import numpy as np
original_image = cv2.imread("/path/to/img.jpg")
mask = cv2.inRange(original_image, np.array([210, 210, 210]), np.array([255, 255, 255]))
您可以通過試驗各種顏色域（如HSV等）來進一步優化結果，這將使您對顏色閾值邊界進行更精細的控制。
添加回答
舉報
0/150
提交
取消