标签：模糊   int   short   分析   bit   文本   边界线   point   ctp   

1. 大量文本框丢失：

原因一：opencv 轮廓近似：

epsilon值设置偏大，导致不足四个点，进而导致后续必要的处理将其滤掉（此工程后续处理必须大于四个点才能正常进行）

原因二：short_side过滤：

最短边小于设置的阈值，将会当做干扰滤掉

2.部分模糊文本框丢失：

原因一：thresh设置大了：

预测第一步的pred通过thresh二值化成bitmap时，可能造成该区域较多内部像素无效变黑，进而拉低box的平均值得分

原因二：box_thresh设置大了：

模糊区域的box平均值得分较低，低于box_thresh的将会被滤掉

3.边界线不准确：

原因一：thresh决定：

边界轮廓由bitmap二值图正成，thresh分割直接决定轮廓形状

原因二：opencv轮廓近似影响：

轮廓近似可能轻微改变轮廓形状

方法三：cv2.minAreaRect(points)：

不治本但很治标的方法，找到最小外接矩形，直接画成矩形

2.DB算法及代码问题分析

标签：模糊   int   short   分析   bit   文本   边界线   point   ctp   

原文地址：https://www.cnblogs.com/shendaw/p/13847000.html