¿Cómo eliminar el otro objeto de la figura usando opencv?

Question

Intenté detectar las líneas amarillas en la siguiente imagen, pero el logo (color amarillo) también estará marcado. Mi pregunta es ¿cómo enmascarar el logo?

Utilizo el código estándar de Hough Transform. Mi código es el siguiente:

import cv2
import numpy as np
img = cv2.imread('Road3.jpg')
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)


low_yellow=np.array([18, 94, 140])
up_yellow=np.array([48, 255, 255])
 mask=cv2.inRange(hsv, low_yellow, up_yellow)
 edges = cv2.Canny(mask,75,150)

 lines = cv2.HoughLinesP(edges,1,np.pi/180,50,maxLineGap=250)
  for line in lines:
 x1,y1,x2,y2 = line[0]
 cv2.line(img,(x1,y1),(x2,y2),(0,255,0),5)

 cv2.imshow('image', img)
 cv2.imshow("edges", edges)
 k = cv2.waitKey(0)
 cv2.destroyAllWindows()

Answer 1

Puede utilizar un enfoque de coincidencia de plantillas de varias escalas.

Quieres eliminar la siguiente imagen:

• 1. Detecta la imagen

  import cv2
  import imutils
  import numpy as np
  
  template = cv2.imread("template/template.jpg")
  template = cv2.cvtColor(template, cv2.COLOR_BGR2GRAY)
  template = cv2.Canny(template, 50, 200)
  (h, w) = template.shape[:2]
  
  image = cv2.imread('nnEGw.jpg')
  gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
  found = None
  
  for scale in np.linspace(0.2, 1.0, 20)[::-1]:
       resized = imutils.resize(gray, width=int(gray.shape[1] * scale))
       r = gray.shape[1] / float(resized.shape[1])
  
       if resized.shape[0] < h or resized.shape[1] < w:
           break
  
       edged = cv2.Canny(resized, 50, 200)
       result = cv2.matchTemplate(edged, template, cv2.TM_CCOEFF)
       (_, maxVal, _, maxLoc) = cv2.minMaxLoc(result)
  
       if found is None or maxVal > found[0]:
           found = (maxVal, maxLoc, r)
  
  (_, maxLoc, r) = found
  (startX, startY) = (int(maxLoc[0] * r), int(maxLoc[1] * r))
  (endX, endY) = (int((maxLoc[0] + w) * r), int((maxLoc[1] + h) * r))
  
  cv2.rectangle(image, (startX, startY), (endX, endY), (0, 0, 255), 2)
  cv2.imwrite("result/edges2.png", image)
  

  
  • 1. Rellena el rectángulo

  cv2.rectangle(image, (startX, startY), (endX, endY), (255, 255, 255), -1)
  

  
  • 1. Aplicar transformación de Hough

  hsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)
  
  low_yellow = np.array([18, 94, 140])
  up_yellow = np.array([48, 255, 255])
  mask = cv2.inRange(hsv, low_yellow, up_yellow)
  edges = cv2.Canny(mask, 75, 150)
  
  lines = cv2.HoughLinesP(edges, 1, np.pi / 180, 50, maxLineGap=250)
  for line in lines:
      x1, y1, x2, y2 = line[0]
      cv2.line(image, (x1, y1), (x2, y2), (0, 255, 0), 5)
  
      # cv2.imshow('image', img)
      cv2.imwrite("result/edges3.png", edges)