基于OpenCV Python提取门牌号Bounding Box的问题求助

我看了你这段提取门牌号Bounding Box的代码，问题主要出在预处理不够完善和轮廓筛选逻辑太死板上，导致正确的门牌号轮廓没被选中，反而可能框了一些无关的区域。咱们一步步来改：

一、现有代码的核心问题 #

• 直接对灰度图做阈值化，没有去噪处理，图像里的小噪声会被误判成轮廓干扰检测
• 用固定的100< w < 1000 and 100< h < 1000筛选宽高，太局限——不同场景下的门牌号尺寸差异很大，这个范围可能直接把目标排除了
• 没有结合门牌号的形状特征（比如大多是横向矩形，宽高比有规律）做筛选

二、改进后的代码示例 #

import cv2

# 读取图像（替换成你的门牌号图片路径）
img = cv2.imread('doorplate.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
original = img.copy()

# 1. 预处理：先去噪再阈值化，减少噪声干扰
# 高斯模糊核大小可根据图像分辨率调整
blurred = cv2.GaussianBlur(gray, (5, 5), 0)
# 阈值化方式：如果门牌号是浅色字+深色背景用THRESH_BINARY_INV，反之用THRESH_BINARY
thresh = cv2.threshold(blurred, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)[1]

# 2. 形态学膨胀：把分散的门牌号字符连起来，形成完整的区域轮廓
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))
thresh = cv2.dilate(thresh, kernel, iterations=1)

# 3. 查找外部轮廓
cnts = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]

ROI_number = 0
for c in cnts:
    x, y, w, h = cv2.boundingRect(c)
    area = w * h
    aspect_ratio = w / float(h)
    
    # 灵活筛选：根据实际场景调整阈值
    # 门牌号大多是横向矩形，宽高比>1；面积排除过小噪声和过大背景
    if area > 500 and area < 50000 and aspect_ratio > 1.2 and aspect_ratio < 8:
        # 可选：用轮廓近似判断是否为矩形（门牌号基本都是矩形）
        peri = cv2.arcLength(c, True)
        approx = cv2.approxPolyDP(c, 0.02 * peri, True)
        if len(approx) == 4:
            cv2.rectangle(img, (x, y), (x + w, y + h), (36, 255, 12), 2)
            ROI = original[y:y+h, x:x+w]
            # cv2.imwrite('ROI_{}.png'.format(ROI_number), ROI)
            ROI_number += 1

# 查看结果
cv2.imshow('Detected Doorplate', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

三、关键改进点说明 #

• 去噪预处理：高斯模糊能过滤图像里的细小噪声，避免这些噪声被检测成无效轮廓
• 形态学膨胀：如果门牌号的字符是分散的，膨胀操作可以把它们连在一起，形成一个完整的门牌号区域轮廓，更容易被识别
• 灵活筛选逻辑：用面积范围+宽高比替代固定的宽高值，再加上矩形轮廓判断，能更精准匹配门牌号的特征
• 阈值化适配：根据门牌号和背景的颜色对比，调整阈值化的反转逻辑，确保目标区域被正确高亮

注意：不同场景的门牌号图像（光照、背景、尺寸）差异很大，你需要根据自己的测试图像，微调模糊核大小、形态学核大小、面积和宽高比的阈值，才能达到最佳效果。

内容的提问来源于stack exchange，提问作者fabio.geraci