opencv进行rect检测时,当检测到多个rect,组成rect vector之后,有些rect是由一个区域误分割得到的,

可以按照某种规格将这些rect合并为一个rect。比如按照x,y,width,height特性。

可以先按照x坐标或者y坐标排序。

//按照X坐标排序
bool BOCR::rect_rank_x(vector<Rect> &vec_rects) {
Rect vec_temp;
for (int l = 1; l < vec_rects.size(); l++) {
for (int m = vec_rects.size() - 1; m >= l; m--) {
if (vec_rects[m].x < vec_rects[m - 1].x) {
vec_temp = vec_rects[m - 1];
vec_rects[m - 1] = vec_rects[m];
vec_rects[m] = vec_temp;
}
}
}
return true;
}
//按照X坐标排序
bool BOCR::rect_rank_y(vector<Rect> &vec_rects) {
Rect vec_temp;
for (int l = 1; l < vec_rects.size(); l++) {
for (int m = vec_rects.size() - 1; m >= l; m--) {
if (vec_rects[m].y < vec_rects[m - 1].y) {
vec_temp = vec_rects[m - 1];
vec_rects[m - 1] = vec_rects[m];
vec_rects[m] = vec_temp;
}
}
}
return true;
} /*将rect上下合并
* 参数:vec_rects:输入的所有的rect集合;
* vec_rects_out:输出的上下合并后的所有的rect集合;
* x_dif:进行上下合并的x差值;y_dif:进行上下合并的y差值;
* width:进行上下合并的width最大值;height:进行上下合并的height最大值;
width_rect:合并后的rect的width的值大于width_rect为满足条件
*/
bool BOCR::rect_combine_uplow(vector<Rect> &vec_rects,
vector<Rect>&vec_rects_out, int x_dif, int y_dif, int width, int height,
int width_rect) {
rect_rank_y(vec_rects);
//将上下部分分裂的,合并
int num_rect = vec_rects.size();
for (int j = 0; j < num_rect; j++) {
if (vec_rects[j].width > 0) {
Rect r;
for (int p = 0; p < num_rect; p++) {
if ((vec_rects[p].width > 0) && (p > j || p < j)) {
if ((((abs(vec_rects[p].x - vec_rects[j].x) < x_dif)
|| (abs(
vec_rects[p].x + vec_rects[p].width
- vec_rects[j].x
- vec_rects[j].width) < x_dif))
&& ((abs(
vec_rects[p].y
- (vec_rects[j].y
+ vec_rects[j].height))
< y_dif)
|| (abs(
vec_rects[j].y
- (vec_rects[p].y
+ vec_rects[p].height))
< y_dif))
&& (vec_rects[p].height < height)
&& (vec_rects[j].height < height)
&& (vec_rects[p].width < width)
&& (vec_rects[j].width < width))) { r.x = min(vec_rects[j].x, vec_rects[p].x);
r.y = min(vec_rects[j].y, vec_rects[p].y);
r.width = max(
vec_rects[p].x + vec_rects[p].width
- vec_rects[j].x,
vec_rects[j].x + vec_rects[j].width
- vec_rects[p].x);
r.height = max(
vec_rects[j].y + vec_rects[j].height
- vec_rects[p].y,
vec_rects[p].y + vec_rects[p].height
- vec_rects[j].y);
if (vec_rects[p].y < vec_rects[j].y) {
vec_rects[p].width = 0;
vec_rects[p].x = 0;
vec_rects[p].height = 0;
vec_rects[p].y = 0;
vec_rects[j] = r;
} else {
vec_rects[j].width = 0;
vec_rects[j].x = 0;
vec_rects[j].height = 0;
vec_rects[j].y = 0;
vec_rects[p] = r;
} }
}
}
}
} for (int j = 0; j < num_rect; j++) {
if (vec_rects[j].width > width_rect) {
vec_rects_out.push_back(vec_rects[j]);
}
}
return true;
} /*将rect左右合并
* 参数:
* show:输入图像;
* vec_rects:输入的所有的rect集合;
* vec_rects_out:输出的左右合并后的所有的rect集合;
* x_dif:进行左右合并的x差值;y_dif:进行左右合并的y差值;
* width:进行左右合并的width最大值;height:进行左右合并的height最大值;
* rate1:rect的长宽比最小值1;rate2:rect的长宽比最小值2;
* width_rect:合并后的rect的width的值大于width_rect为满足条件
*/
bool BOCR::rect_combine_leftright(Mat & show, vector<Rect> &vec_rects,
vector<Rect>&vec_rects_out, int x_dif, int y_dif, int width, int height,
double rate1, double rate2, int width_rect) {
int num = vec_rects.size();
for (int j = 0; j < num - 1; j++) {
if (vec_rects[j].width > 0) {
for (int q = j + 1; q < num; q++) {
if (vec_rects[q].width > 0) {
Rect r;
if ((max(vec_rects[q].x - x_dif, 0)
< min(vec_rects[j].x + vec_rects[j].width,
show.cols))
&& ((abs(vec_rects[q].y - vec_rects[j].y) < y_dif)
|| (abs(
min(
vec_rects[q].y
+ vec_rects[q].height,
show.rows)
- min(
vec_rects[j].y
+ vec_rects[j].height,
show.rows)) < y_dif))
&& (vec_rects[q].width < width)
&& (vec_rects[j].width < width)
&& (((vec_rects[q].height
/ (double) vec_rects[q].width > rate1)
&& (vec_rects[j].height
/ (double) vec_rects[j].width
> rate2))
|| ((vec_rects[j].height
/ (double) vec_rects[j].width
> rate1)
&& (vec_rects[q].height
/ (double) vec_rects[q].width
> rate2)))) {
if ((vec_rects[j].x + vec_rects[j].width
> show.cols / 10 * 8.5)
&& (vec_rects[q].x > show.cols / 10 * 8.5)
&& abs(vec_rects[j].width - vec_rects[q].width)
< 4
&& abs(
vec_rects[j].height
- vec_rects[q].height) < 3) {
;
} else {
r.x = vec_rects[j].x;
r.y = min(vec_rects[j].y, vec_rects[q].y);
r.width = vec_rects[q].x + vec_rects[q].width
- vec_rects[j].x;
r.height = max(vec_rects[j].y + vec_rects[j].height,
vec_rects[q].y + vec_rects[q].height) - r.y;
vec_rects[q].width = 0;
vec_rects[q].x = 0;
vec_rects[j] = r;
}
}
}
}
}
}
for (int j = 0; j < num; j++) {
if (vec_rects[j].width > width_rect) {
vec_rects_out.push_back(vec_rects[j]);
}
}
return true;
}
————————————————
版权声明:本文为CSDN博主「等待破茧」的原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/boon_228/article/details/51491789

图像处理opencv-Rect 排序、合并[转]的更多相关文章

  1. Python 图像处理 OpenCV (3):图像属性、图像感兴趣 ROI 区域及通道处理

    前文传送门: 「Python 图像处理 OpenCV (1):入门」 「Python 图像处理 OpenCV (2):像素处理与 Numpy 操作以及 Matplotlib 显示图像」 图像属性 图像 ...

  2. Python 图像处理 OpenCV (16):图像直方图

    前文传送门: 「Python 图像处理 OpenCV (1):入门」 「Python 图像处理 OpenCV (2):像素处理与 Numpy 操作以及 Matplotlib 显示图像」 「Python ...

  3. 排序合并连接(sort merge join)的原理

    排序合并连接(sort merge join)的原理 排序合并连接(sort merge join)的原理     排序合并连接(sort merge join)       访问次数:两张表都只会访 ...

  4. oracle表连接------&gt;排序合并连接(Merge Sort Join)

    排序合并连接 (Sort Merge Join)是一种两个表在做连接时用排序操作(Sort)和合并操作(Merge)来得到连接结果集的连接方法. 对于排序合并连接的优缺点及适用场景例如以下: a,通常 ...

  5. oracle 表连接 - sort merge joins 排序合并连接

    https://blog.csdn.net/dataminer_2007/article/details/41907581一. sort merge joins连接(排序合并连接) 原理 指的是两个表 ...

  6. Python 图像处理 OpenCV (2):像素处理与 Numpy 操作以及 Matplotlib 显示图像

    前文传送门: 「Python 图像处理 OpenCV (1):入门」 普通操作 1. 读取像素 读取像素可以通过行坐标和列坐标来进行访问,灰度图像直接返回灰度值,彩色图像则返回B.G.R三个分量. 需 ...

  7. Python 图像处理 OpenCV (4):图像算数运算以及修改颜色空间

    前文传送门: 「Python 图像处理 OpenCV (1):入门」 「Python 图像处理 OpenCV (2):像素处理与 Numpy 操作以及 Matplotlib 显示图像」 「Python ...

  8. Python 图像处理 OpenCV (5):图像的几何变换

    前文传送门: 「Python 图像处理 OpenCV (1):入门」 「Python 图像处理 OpenCV (2):像素处理与 Numpy 操作以及 Matplotlib 显示图像」 「Python ...

  9. Python 图像处理 OpenCV (6):图像的阈值处理

    前文传送门: 「Python 图像处理 OpenCV (1):入门」 「Python 图像处理 OpenCV (2):像素处理与 Numpy 操作以及 Matplotlib 显示图像」 「Python ...

  10. Python 图像处理 OpenCV (7):图像平滑(滤波)处理

    前文传送门: 「Python 图像处理 OpenCV (1):入门」 「Python 图像处理 OpenCV (2):像素处理与 Numpy 操作以及 Matplotlib 显示图像」 「Python ...

随机推荐

  1. Spark中的分区方法详解

    转自:https://blog.csdn.net/dmy1115143060/article/details/82620715 一.Spark数据分区方式简要 在Spark中,RDD(Resilien ...

  2. C++之数组转换

    题目如下: 这道题经过好久的思考也没找到能一次性输入两组数的方法,只能一次性处理一组数,所以就把代码放上来,欢迎交流留言一起讨论可以放两组数的方法~(QQ 841587906) 1 #include ...

  3. HashMap 和 HashSet

    对于HashSet而言,系统采用Hash算法决定集合元素的存储位置,这样可以保证快速存取集合元素: 对于HashMap,系统将value当成key的附属,系统根据Hash算法来决定key的存储位置,这 ...

  4. springboot优雅实现异常处理

    前言 在平时的 API 开发过程中,总会遇到一些错误异常没有捕捉到的情况.那有的小伙伴可能会想,这还不简单么,我在 API 最外层加一个 try...catch 不就完事了. 哈哈哈,没错.这种方法简 ...

  5. 【力扣】188. 买卖股票的最佳时机 IV

    给定一个整数数组 prices ,它的第 i 个元素 prices[i] 是一支给定的股票在第 i 天的价格. 设计一个算法来计算你所能获取的最大利润.你最多可以完成 k 笔交易. 注意:你不能同时参 ...

  6. UMDCTF 2021

    6道pwn题,4道可以做.剩下一道题是arm架构,一道题是内核,溜了溜了. Jump_Not_Easy 1 from pwn import * 2 3 p = process('./pwn') 4 e ...

  7. AtCoder Beginner Contest 184 题解

    AtCoder Beginner Contest 184 题解 目录 AtCoder Beginner Contest 184 题解 A - Determinant B - Quizzes C - S ...

  8. Linux 三剑客之sed

    目录 Linux 三剑客之sed 命令补充: sort命令 uniq命令 cut命令 tr命令 wc命令 三剑客 - sed 编辑模式: 定位分类: 实例如下: d模式--删除模式 p模式--打印 a ...

  9. CF670A Holidays 题解

    Content 假设 \(1\) 年有 \(n\) 天,而每周同样会有 \(5\) 天工作日和 \(2\) 天休假.求一年最小的休假天数和最大休假天数. 数据范围:\(1\leqslant n\leq ...

  10. signal 信号

    python学习笔记--信号模块signal 阅读目录(Content) 1 signal基本信号名 2 常用信号处理函数 2.1 设置发送SIGALRM信号的定时器 2.2 设置信号处理函数 3 常 ...