删除并测量一条线 openCV

如何解决删除并测量一条线 openCV

链接到底部的所有图片 我在一个箭头上画了一条线来捕捉那个箭头的角度。我想然后删除箭头，只保留线，并使用 cv2.minAreaRect 来确定角度。到目前为止，除了删除原始箭头之外，我已经完成了所有工作，这会导致 cv2.minAreaRect 边界框生成的角度不正确。

真的，我只想用贯穿箭头的粗体黑线来测量角度，而不是箭头本身。如果有人有想法使这项工作或更简单的方法，请告诉我。谢谢

代码：

import numpy as np
import cv2

image = cv2.imread("templates/a_15.png")
image = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)
ret,thresh = cv2.threshold(image,127,255,0)
contours,hierarchy = cv2.findContours(thresh,1,2)
cont = contours[0]
rows,cols = image.shape[:2]
[vx,vy,x,y] = cv2.fitLine(cont,cv2.DIST_L2,0.01,0.01)
leftish = int((-x*vy/vx) + y)
rightish = int(((cols-x)*vy/vx)+y)
line = cv2.line(image,(cols-1,rightish),(0,leftish),0),10)

#  thresholding
thresh = cv2.threshold(line,cv2.THRESH_BINARY | cv2.THRESH_OTSU)[1]

# compute rotated bounding box based on all pixel values > 0 and
# use coordinates to compute a rotated bounding box of those coordinates
coordinates = np.column_stack(np.where(thresh > 0))
w = coordinates[0]
h = coordinates[1]

# Compute minimum rotated angle that contains entire image.
# Return angle values in the range [-90,0).
# As the rectangle rotates clockwise,angle values increase towards 0.
# Once 0 is reached,angle is set back to -90 degrees.

angle = cv2.minAreaRect(coordinates)[-1]

#  for angles less than -45 degrees,add 90 degrees to angle to take the inverse.
if angle < - 45:
     angle = -(90 + angle)
else:
     angle = -angle

# rotate image
(h,w) = image.shape[:2]
center = (w // 2,h // 2)  # image center
RM = cv2.getRotationMatrix2D(center,angle,1.0)
rotated = cv2.warpAffine(image,RM,(w,h),flags=cv2.INTER_CUBIC,borderMode=cv2.BORDER_REPLICATE)

#  correction angle for validation
cv2.putText(rotated,"Angle {:.2f} degrees".format(angle),(10,30),cv2.FONT_HERSHEY_DUPLEX,0.9,2)

# output
print("[INFO] angle: {:.3f}".format(angle))
cv2.imshow("Line",line)
cv2.imshow("Input",image)
cv2.imshow("Rotated",rotated)
cv2.waitKey(0)

图片

original current results goal

解决方法

这是一个可能的解决方案。主要思想是识别箭头的“尖端”和“尾部”近似一些关键点。确定两端后，您可以绘制一条连接两个点的线。知道哪个端点是尖端也是一个优势，因为这样您就可以从恒定点测量角度。

实现这一目标的方法不止一种。我选择了我过去应用过的东西：我将使用 this 方法来识别整体形状的端点。我的假设是尖端会比尾部产生更多的点。之后，我会将所有端点分为两组：tip 和 tail。我可以为此使用 K-Means，因为它将返回两个集群的平均中心。之后，我们有了可以用一条线轻松连接的尖端和尾部点。这些是步骤：

将图像转换为灰度
获取图像的骨架，将形状标准化为width像素的1
应用链接中描述的方法来获取箭头的端点
将端点划分为两个集群并使用K-Means 获得它们的中心
用一条线连接两个端点

让我们看看代码：

# imports:
import cv2
import numpy as np

# image path
path = "D://opencvImages//"
fileName = "CoXeb.png"

# Reading an image in default mode:
inputImage = cv2.imread(path + fileName)

# Grayscale conversion:
grayscaleImage = cv2.cvtColor(inputImage,cv2.COLOR_BGR2GRAY)
grayscaleImage = 255 - grayscaleImage

# Extend the borders for the skeleton:
extendedImg = cv2.copyMakeBorder(grayscaleImage,5,cv2.BORDER_CONSTANT)

# Store a deep copy of the crop for results:
grayscaleImageCopy = cv2.cvtColor(extendedImg,cv2.COLOR_GRAY2BGR)

# Compute the skeleton:
skeleton = cv2.ximgproc.thinning(extendedImg,None,1)

第一步是获取箭的骨架。正如我所说，在识别形状端点的基于卷积的方法之前需要此步骤。计算骨架将形状标准化为一个像素 width。但是，有时，如果形状太靠近“画布”边界，骨架可能会显示一些伪影。使用边框扩展可以避免这种情况。箭头的骨架是这样的：

检查该图像。如果我们确定端点，尖端将显示至少 3 个点，而尾部至少 1。这很方便 - 尖端总是比尾部有更多的点。如果我们能检测到这些点就好了……幸运的是，我们可以：

# Threshold the image so that white pixels get a value of 0 and
# black pixels a value of 10:
_,binaryImage = cv2.threshold(skeleton,128,10,cv2.THRESH_BINARY)

# Set the end-points kernel:
h = np.array([[1,1,1],[1,1]])

# Convolve the image with the kernel:
imgFiltered = cv2.filter2D(binaryImage,-1,h)

# Extract only the end-points pixels,those with
# an intensity value of 110:
binaryImage = np.where(imgFiltered == 110,255,0)
# The above operation converted the image to 32-bit float,# convert back to 8-bit uint
binaryImage = binaryImage.astype(np.uint8)

此端点检测方法 convolves 骨架具有特殊的 kernel 标识端点。它返回一个二进制图像，其中所有端点的值都为 110。在对这个中间结果进行阈值处理后，我们得到了这个图像，它代表了箭头端点：

很好，如您所见，我们可以将点分成两个集群并获得它们的集群中心。听起来像是 K-Means 的工作，因为这正是它所做的。不过，我们首先需要处理我们的数据，因为 K-Means 对 float 数据的定义形状数组进行操作：

# Find the X,Y location of all the end-points
# pixels:
Y,X = binaryImage.nonzero()

# Reshape the arrays for K-means
Y = Y.reshape(-1,1)
X = X.reshape(-1,1)
Z = np.hstack((X,Y))

# K-means operates on 32-bit float data:
floatPoints = np.float32(Z)

# Set the convergence criteria and call K-means:
criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER,1.0)
ret,label,center = cv2.kmeans(floatPoints,2,criteria,cv2.KMEANS_RANDOM_CENTERS)

# Set the cluster count,find the points belonging
# to cluster 0 and cluster 1:
cluster1Count = np.count_nonzero(label)
cluster0Count = np.shape(label)[0] - cluster1Count

print("Elements of Cluster 0: "+str(cluster0Count))
print("Elements of Cluster 1: " + str(cluster1Count))

最后两行分别打印分配给 Cluster 0 Cluster 1 的端点。输出这个：

Elements of Cluster 0: 3
Elements of Cluster 1: 2

正如预期的那样 - 好吧，有点。似乎簇 0 是尖端，簇 2 是尾部！但尾巴实际上得到了 2 分。如果你仔细观察骨架的图像，你会看到尾部有一个小分叉。这就是为什么我们实际上得到了两分而不是一分。好的，让我们获取中心点并在原始输入上绘制它们：

# Look for the cluster of max number of points
# That cluster will be the tip of the arrow:
maxCluster = 0
if cluster1Count > cluster0Count:
    maxCluster = 1

# Check out the centers of each cluster:
matRows,matCols = center.shape

# Store the ordered end-points here:
orderedPoints = [None] * 2
# Let's identify and draw the two end-points
# of the arrow:
for b in range(matRows):
    # Get cluster center:
    pointX = int(center[b][0])
    pointY = int(center[b][1])
    # Get the "tip"
    if b == maxCluster:
        color = (0,255)
        orderedPoints[0] = (pointX,pointY)
    # Get the "tail"
    else:
        color = (255,0)
        orderedPoints[1] = (pointX,pointY)
    # Draw it:
    cv2.circle(grayscaleImageCopy,(pointX,pointY),3,color,-1)
    cv2.imshow("End-Points",grayscaleImageCopy)
    cv2.waitKey(0)

这是生成的图像：

尖端总是以红色绘制，而尾部以蓝色绘制。非常酷，让我们将这些点存储在 orderedPoints 列表中，并在新的“画布”中绘制最后一条线，尺寸与原始图像相同：

# Store the tip and tail points:
p0x = orderedPoints[1][0]
p0y = orderedPoints[1][1]
p1x = orderedPoints[0][0]
p1y = orderedPoints[0][1]

# Create a new "canvas" (image) using the input dimensions:
imageHeight,imageWidth = binaryImage.shape[:2]
newImage = np.zeros((imageHeight,imageWidth),np.uint8)
newImage = 255 - newImage

# Draw a line using the detected points:
(x1,y1) = orderedPoints[0]
(x2,y2) = orderedPoints[1]
lineColor = (0,0)
cv2.line(newImage,(x1,y1),(x2,y2),lineColor,thickness=2)

cv2.imshow("Detected Line",newImage)
cv2.waitKey(0)

覆盖在原始图像上的线条和仅包含线条的新图像：

听起来您想测量线的角度，但是因为您正在测量在原始图像中绘制的线，所以现在必须过滤掉原始图像以获得该线的准确测量值...用你知道端点的坐标绘制？

我猜：

制作更好的过滤器？
在空白图像中绘制线条并检测那里的角度？
根据已知坐标确定角度？

因为你只要求一条线，所以我试过了......只是制作了一个空白图像，在上面画了你检测到的线，然后在下游使用......

blankIm = np.ones((height,width,channels),dtype=np.uint8)
blankIm.fill(255)
line = cv2.line(blankIm,(cols-1,rightish),(0,leftish),0),10)

删除并测量一条线 openCV

如何解决删除并测量一条线 openCV

解决方法

相关推荐