如何用OpenCV对图像去噪并提取大字符至黑底画布

需求 #

仅检测图像中的大字符，并将其提取到黑底画布中（可想象为黑板，仅在上面呈现大字符）。

已完成步骤 #

• 将图像转换为HSV格式
• 使用inRange函数创建掩码
• 执行形态学闭运算以去除小噪声
• 标记大字符用于参考（但仍有部分字符未被检测到）
• 输出至黑底画布时，会遗漏1-2个字符

现有代码 #

#include <iostream>
#include <fstream>

#include <opencv2/imgproc.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/dnn.hpp>

using namespace cv;
using namespace cv::dnn;
using namespace std;

int main()
{
    // 加载图像
    cv::Mat image = cv::imread("/run/media/cams/B4267D4B267D0F9A/Downloads/2.png");
//    cv::Mat image = cv::imread("/run/media/cams/B4267D4B267D0F9A/Downloads/np7.jpg");
//    cv::Mat image = cv::imread("/run/media/cams/B4267D4B267D0F9A/Downloads/license-plate.png");

    if (image.empty()) {
        std::cerr << "错误：无法加载图像。" << std::endl;
        return -1;
    }

    cv::Mat resizedImage;
    cv::Size newSize(513, 134);

    // 调整图像尺寸
    cv::resize(image,resizedImage,newSize);

    int rows = resizedImage.rows;
    int cols  = resizedImage.cols;

    // 创建黑底画布
    cv::Mat result(rows, cols ,resizedImage.type(), cv::Scalar(0, 0, 0));

    // 转换为灰度图
    cv::Mat gray;
    cv::cvtColor(resizedImage, gray, cv::COLOR_BGR2GRAY);
    imshow("灰度图", gray);

    // 转换为HSV格式
    cv::Mat hsv;
    cv::cvtColor(resizedImage, hsv, cv::COLOR_BGR2HSV);
    imshow("HSV图", hsv);

    cv:: Mat others;
    // 转换为HSV_FULL格式
    cv::cvtColor(resizedImage, others, cv::COLOR_BGR2HSV_FULL);
    imshow("HSV_FULL图", others);


    cv::Mat mask;
    cv::Scalar lower(0, 0, 0);          // 下界
    cv::Scalar upper(179, 100, 130);    // 上界

    // 创建掩码
    cv::inRange (others, lower, upper, mask);
    imshow("掩码", mask);

    // 创建矩形结构元素
    cv::Mat kernel = cv::getStructuringElement(cv::MORPH_RECT, cv::Size(3, 3));

    // 执行形态学闭运算
    cv::Mat close;
    cv::morphologyEx(mask, close, cv::MORPH_CLOSE, kernel, cv::Point(-1, -1), 1);

    // 将单通道闭运算图像合并为三通道图像
    cv::Mat extract;
    std::vector<cv::Mat> channels(3, close); // 创建包含3份close的向量
    cv::merge(channels, extract); // 合并为单张三通道图像

    cv::imshow("闭运算后的掩码", close);
//    cv::imshow("合并后的图像", extract);

    // 查找轮廓
    std::vector<std::vector<cv::Point>> contours;
//    std::vector<cv::Vec4i> hierarchy;
    cv::findContours(close, contours, cv::RETR_TREE, cv::CHAIN_APPROX_SIMPLE);

    for (const auto& c : contours) {
            // 获取边界矩形
            cv::Rect boundingBox = cv::boundingRect(c);
            int area = boundingBox.width * boundingBox.height;

            // 根据面积过滤
            if ( area>2500 && area<5000) {
                // 在原始图像上绘制矩形
                cv::rectangle(resizedImage, boundingBox, cv::Scalar(36, 255, 12), 3);

                // 显示轮廓标记后的图像
                cv::imshow("轮廓标记", resizedImage);
                waitKey(0);

                // 从extract中提取区域并复制到result
                cv::Mat roi = extract(boundingBox); // 从extract中获取感兴趣区域
                roi.copyTo(result(boundingBox)); // 复制到result的对应区域
            }
        }

    // 显示结果
    cv::imshow("提取结果", result);
    cv::waitKey(0);
    cv::destroyAllWindows();

    return 0;

}

内容的提问来源于stack exchange，提问作者SUMAN SINGH 2018-2022 CSE A