基于投影定位 ROI

在某些场景下，直接使用二值化，可能无法找到 ROI，基于投影的思路可以适当考虑，其原理如下：

对于以下图片，我们需要定位其中的金属部分，以下分别采样模板匹配、基于投影的思路去实现

基于投影的思路

首先是制作模板，通过模板查找图片的 ROI

这里分别尝试 6 种模板匹配方法，发现只有 3 种方法能正确匹配

template_img=cv2.imread('template.png',0)

methods = ['cv2.TM_CCOEFF', 'cv2.TM_CCOEFF_NORMED', 'cv2.TM_CCORR',
           'cv2.TM_CCORR_NORMED', 'cv2.TM_SQDIFF', 'cv2.TM_SQDIFF_NORMED']
h, w = template_img.shape

all_result=[]
for method in methods:
    res = cv2.matchTemplate(gray, template_img, eval(method))
    min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)
    if method in [cv2.TM_SQDIFF, cv2.TM_SQDIFF_NORMED]:
        top_left = min_loc
    else:
        top_left = max_loc
    bottom_right = (top_left[0] + w, top_left[1] + h)
    
    img_copy=img.copy()
    cv2.rectangle(img_copy, top_left, bottom_right, 255, 4)
    all_result.append(img_copy)

show_images(all_result,titles=methods,nrows=2)

如果选择其中有效的方法应用到其他图片时，发现有些图片无法定位到 ROI，因此模板匹配不适合本场景下的 ROI 提取

基于投影定位 ROI

将图片转为灰度图，观察 ROI 所在目标区域

首先目标所在区域的纵向是稳定的暗区域，假设我们统计所有纵向的灰度值等于 200 的像素，我们可以发现以下规律

通过上图，很容易定位目标所在横向范围在 [1500,2500] 之间，将这个范围的区域取出后，得到以下结果，下图分别是原图、纵向定位图和对应的原始图片

基于以上的定位图，再进行横向分析，得到以下统计图

如此，就很容易定位到 ROI 所在的纵向位置了，后续如果我们想定位出白色文字的位置，也可以通过以上投影的方法分析