OpenCv - 轮廓线段联合

如何解决OpenCv - 轮廓线段联合

在这里的第一篇文章，我一直在寻找解决问题的解决方案，但没有结果，我向您寻求帮助。 我对 Python 有足够的经验，但对 OpenCV 的经验很少：我正在尝试分析并获得一条切割线来修剪材料，排除轮廓附近的缺陷。

在材料图像上，我已经能够获得外轮廓和内轮廓（用于切割），不包括边缘附近的缺陷。

然而，内部轮廓尽管在识别缺陷方面很完美， 即使是不应该切割的部分也总是会留下偏移。

我附上照片以使其清楚：红色外边缘（有缺陷），黄色内边缘以消除缺陷：

outer and inner contours

在这张照片中有一个我想要获得的轮廓示例（抱歉，用油漆完成了）：

inner contour aspected

我在这里和互联网上尝试了几次搜索来寻找想法，我研究了不同的方法（opencv、numpy、scipy、shapely），但无论如何我都没有得到想要的结果。

在实践中，我的难点是识别（我认为应该是一个解决方案）两个轮廓之间的平行度（但是，它们非常分割），然后当它们之间的距离变远时，使黄色轮廓与外部红色轮廓重合两者小于 X 值。

您对解决问题的方法有什么想法吗？

谢谢。

解决方法

这样做有点笨拙，但是您可以比较从内部轮廓上的点到外部轮廓上的点的距离，如果距离小于某个阈值，则可以“紧贴”到外部轮廓。

你的图像在星星的边缘有一些奇怪的伪影，所以我在 Paint 中绘制了自己的图像。

原始图片

在“紧贴”之后（25 距离截止）

import cv2
import numpy as np
import math

# 2d distance
def dist2D(p1,p2):
    dx = p1[0] - p2[0];
    dy = p1[1] - p2[1];
    return math.sqrt(dx*dx + dy*dy);

# cling to closest point
def cling(point,other_points,cutoff):
    # find closest point
    best_dist = 10000000; # JUST A BIG NUMBER
    best_point = [0,0];
    for op in other_points:
        dist = dist2D(point,op);
        if dist < best_dist:
            best_dist = dist;
            best_point = op[:];

    # if less than cutoff,cling to point
    if best_dist <= cutoff:
        return best_point;
    return point;

# go through each point on inner and cling to nearby outer points
def clingy(inner,outer,cutoff):
    new_inner = [];
    for point in inner:
        point = cling(point,cutoff);
        new_inner.append(point);
    return new_inner;



# load image
img = cv2.imread("my_stars.png");
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY);

# make a mask
mask_outer = cv2.inRange(gray,1);
mask_inner = cv2.inRange(gray,2,254);

# contours OpenCV3.4,if you're using OpenCV 2 or 4,it returns (contours,_)
_,_ = cv2.findContours(mask_outer,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE);
_,inner,_ = cv2.findContours(mask_inner,cv2.CHAIN_APPROX_NONE);

# just take the first contour
outer = outer[0];
inner = inner[0];

# strip out annoying extra brackets
stripped_inner = np.array([p[0] for p in inner]);
stripped_outer = np.array([p[0] for p in outer]);

# cling
cling_inner = clingy(stripped_inner,stripped_outer,25);

# add back in annoying brackets
cling_inner = np.array([[p] for p in cling_inner]);

# draw on original image
cv2.drawContours(img,[cling_inner],-1,(240,200,0),-1);

# draw original contour again
cv2.drawContours(img,[inner],(150,100,1);

# show
cv2.imshow("Image",img);
cv2.waitKey(0);