基于OpenCV检测裁剪后复选框是否被勾选的实现疑问

嘿，看起来你已经搞定了复选框的定位和裁剪这一步，接下来判断是否有勾选标记（X、对勾、斜线等）其实可以从分析裁剪后区域的像素特征入手，这里给你几个实用的思路：

方法一：统计非空白像素占比 #

这是最直接的思路——勾选的复选框内部会有笔画，会比空框多出不少非背景色的像素。步骤如下：

• 先对裁剪后的复选框图像做灰度化和二值化，把背景转为白色（255），勾选标记转为黑色（0）
• 统计黑色像素的数量，和区域总像素数做比值，设置一个合理阈值（比如3%-5%），超过阈值就判定为已勾选

示例代码：

# 假设cropped_box是你裁剪好的单个复选框图像
gray = cv2.cvtColor(cropped_box, cv2.COLOR_BGR2GRAY)
# 二值化：调整阈值适配你的图像，确保勾选标记变成黑色，背景为白色
_, binary = cv2.threshold(gray, 200, 255, cv2.THRESH_BINARY_INV)
# 统计黑色像素数量
black_pixel_count = cv2.countNonZero(binary)
total_pixels = binary.shape[0] * binary.shape[1]
# 设定占比阈值，可根据实际图像调整
check_threshold = 0.03
if black_pixel_count / total_pixels > check_threshold:
    print("该复选框已勾选")
else:
    print("该复选框未勾选")

方法二：轮廓检测（排除边框干扰） #

如果你想更精准地识别内部的勾选标记，可以先把复选框的边框去掉，再检测内部的轮廓：

• 用你之前提取的边框二值图做掩膜，把边框区域从裁剪图中排除，只保留内部区域
• 对内部区域做二值化后检测轮廓，只要存在面积大于一定值的轮廓，就判定为已勾选

示例代码：

# 假设cropped_box是裁剪后的复选框图像，img_bin_final是你得到的边框二值图（白色边框，黑色背景）
# 反转边框图，得到黑色边框、白色背景的掩膜
border_mask = cv2.bitwise_not(img_bin_final)
# 用掩膜过滤掉边框，只保留内部区域
inner_area = cv2.bitwise_and(cropped_box, cropped_box, mask=border_mask)
# 灰度化+二值化
gray_inner = cv2.cvtColor(inner_area, cv2.COLOR_BGR2GRAY)
_, binary_inner = cv2.threshold(gray_inner, 200, 255, cv2.THRESH_BINARY_INV)
# 检测外部轮廓
contours, _ = cv2.findContours(binary_inner, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
# 过滤掉噪声类的小轮廓
valid_contours = [cnt for cnt in contours if cv2.contourArea(cnt) > 20]
if len(valid_contours) > 0:
    print("该复选框已勾选")
else:
    print("该复选框未勾选")

另外补充一点：如果你调整裁剪坐标，只保留复选框的内部区域，那方法一会更简单——不需要处理边框，直接统计内部像素占比就行。阈值的设置建议多测试几个样本，根据你的图像清晰度、勾选标记的粗细来调整，找到最适配的数值。

备注：内容来源于stack exchange，提问作者carousallie