Использование обнаружения круга и обнаружения цвета для распознавания объекта

Обратите внимание, что этот ответ не предназначен для решения, но может быть, новой точки зрения для достижения вашей задачи. Несмотря на то, что он может работать в некоторых случаях, он, вероятно, не будет достаточно прочным для автоматизации любых процессов. При этом проблема с преобразованием в цветовое пространство HSV заключается в том, что если изображение (как и в вашем случае) имеет похожие на него объекты цвета, то будет сложно выделить один объект из другого с помощью cv2.inRange(). Я попытался немного изменить код и сделал пример того, как я подойду к этому.

Сначала вы можете попытаться найти все контуры после порога OTSU на изображении и отфильтровать самые большие (пончики) и другие маленькие с критериями по вашему выбору.

После этого вы можете сделать ROI вокруг этого контура. Затем я попытался выполнить cv2.inRange() для каждого ROI.

После этого я бы снова искал контуры для каждого ROI и подсчитывал белые пиксели или делал критерии округления для контуров. Если они пройдут, это означает, что у него много пикселей в диапазоне и нарисуйте букву Т. Надеюсь, что это немного помогает. Ура!

Пример:

import cv2
import numpy as np


# In[2]:

path = "./purplecirc4.JPG"
font = cv2.FONT_HERSHEY_COMPLEX


# In[3]:

def image_resize(image, width = None, height = None, inter = cv2.INTER_AREA):
    # initialize the dimensions of the image to be resized and
    # grab the image size
    dim = None
    (h, w) = image.shape[:2]

    # if both the width and height are None, then return the
    # original image
    if width is None and height is None:
        return image

    # check to see if the width is None
    if width is None:
        # calculate the ratio of the height and construct the
        # dimensions
        r = height / float(h)
        dim = (int(w * r), height)

    # otherwise, the height is None
    else:
        # calculate the ratio of the width and construct the
        # dimensions
        r = width / float(w)
        dim = (width, int(h * r))

    # resize the image
    resized = cv2.resize(image, dim, interpolation = inter)

    # return the resized image
    return resized


# In[4]:

iml = cv2.imread(path,cv2.IMREAD_COLOR)
img = image_resize(iml,width=960)

# Threshold with OTSU to get all contours
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
blur = cv2.GaussianBlur(gray,(5,5),0)
_,thresh = cv2.threshold(blur,0,255,cv2.THRESH_BINARY_INV+cv2.THRESH_OTSU)
_, contours, hierarchy = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE)

# Empty list for contours that could be positive
ROIs=[]


# Append possible contours to list
# (I have selected height to eliminate unwanted noise)
for cnt in contours:
    x,y,w,h = cv2.boundingRect(cnt)
    if 200 > h > 20:
        x1 = x-20
        x2 = x+w+20
        y1 = y-20
        y2 = y+h+20
        roi = img[y1:y2, x1:x2]
        ROIs.append(roi)

# Iterate through list of ROIS and transform to HSV
# (I made a little adjustment in values )
for i in ROIs:
    hsv = cv2.cvtColor(i,cv2.COLOR_BGR2HSV)
    mask = cv2.inRange(hsv, (115,100,50), (160,255,255))
    # Search for contours on every ROI in list and select the biggest one
    _, contours, hierarchy = cv2.findContours(mask,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE)
    cnt = max(contours, key=cv2.contourArea)
    # Draw them whole on hsv then transform to gray and perform OTSU threshold and search for contoures
    cv2.drawContours(hsv, [cnt], 0, 255, -1)
    gray = cv2.cvtColor(hsv, cv2.COLOR_BGR2GRAY)
    _,thresh = cv2.threshold(gray,0,255,cv2.THRESH_BINARY_INV+cv2.THRESH_OTSU)
    _, contours, hierarchy = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE)
    cnt = max(contours, key=cv2.contourArea)
    # Make a "roundness" criterion and draw the letter
    x,y,w,h = cv2.boundingRect(cnt)
    perimeter = cv2.arcLength(cnt,True)
    radius = perimeter/(2*np.pi)
    area = cv2.contourArea(cnt)
    circ = 4*area/(np.pi*(radius*2)**2)
    if circ > 0.70:
        cv2.putText(i,'P',(int(x+(w/2.5)),int(y+(h/2))), font, 0.5,(0,255,0),1,cv2.LINE_AA)

# Display result:
resized = cv2.resize(img, (0,0), fx=0.5, fy=0.5) 
cv2.imshow("roi",resized)
cv2.waitKey(0)
cv2.destroyAllWindows()

Результат: