通过二值化后findContours查找区域，简单的过滤长宽比，和大小，可以标识出可能是数字的区域。方便后续进一步处理。
1 Contours函数
当使用findcontours后一般返回是contours, hierarchy两个，contours内包含的是根据设定模式所返回的轮廓。
最常使用：cv2.RETR_EXTERNAL，此模式只检测外轮廓。（输入图像必须先转灰度图再转二值图，这部分的阈值处理必须做好，调整好系数，使图像达到最理想的状态）
2 代码
import numpy as np
import cv2
src = cv2.imread('12.JPG')
image = cv2.cvtColor(src, cv2.COLOR_BGR2GRAY)
//自行调整参数达到最好的效果
threshold_image = cv2.adaptiveThreshold(image, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C,\
cv2.THRESH_BINARY_INV,11,5)
cv2.imshow('threshold_image',threshold_image)
contours, w1 = cv2.findContours(threshold_image, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
for c in contours:
rect = cv2.minAreaRect(c)
w = rect[1][0]
h = rect[1][1]
if w*h < 80 or w*h > 500:
# 过滤太小或太大的运动物体，这类误检概率比较高
continue
# print(rect[2])
if w == 0 or h == 0:
continue
wh = w / h
if wh < 1:
wh = 1/wh
c_area = w * h
box = cv2.boxPoints(rect)
box = np.int0(box)
# box1 = box
if wh > 3:
continue
if wh < 1.5:
continue
cv2.drawContours(src, [box], 0, (0, 0, 255), 2)
cv2.imshow('src',src)
cv2.waitKey()
image.png
