2
我使用的OpenCV 2.4做一些跟踪,我可以得到的形状我想,这是一个T的轮廓的角度我怎样才能找到一个T形的OpenCV中
我可以使用cv2.minAreaRect(my_t_contour)
并获得该矩形的角度,但只能给我0-180度。但这是一个T形,所以我想能够告诉0-360。我想的:
- 分割轮廓为两个rects
- 获取通过rects一个线(使用缩略> HoughLinesP)
- 确定哪些线是哪个,确定它们的梯度(使用坐标我从HoughLinesP得到),然后确定T的方向。
但是我卡在1号,我怎么能把一个轮廓分成两个形状?
方法1:轮廓的minAreaRect的轮廓和中心的拉伸中心
dst = cv2.cvtColor(r_target, cv2.COLOR_BGR2GRAY)
dst = cv2.GaussianBlur(dst, (11, 11), 0)
ret,dst = cv2.threshold(dst,110,255,cv2.THRESH_BINARY_INV)
cnts = cv2.findContours(dst, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
for c in cnts:
# get minAreaRect around contour and draw its center in red
rect = cv2.minAreaRect(c)
cv2.circle(r_target, (int(rect[0][0]), int(rect[0][1])), 7, (0, 0, 255), -1)
# get moments of contour to get center and draw it in white
M = cv2.moments(c)
cX = int(M["m10"]/M["m00"])
cY = int(M["m01"]/M["m00"])
cv2.circle(r_target, (cX, cY), 7, (255, 255, 255), -1)
下一步可能会计算的中心之间的简单的梯度来确定的角度。
方法2:缩略的图像,并使用HoughLinesP得到线。
dst = cv2.cvtColor(r_target, cv2.COLOR_BGR2GRAY)
dst = cv2.GaussianBlur(dst, (11, 11), 0)
ret,dst = cv2.threshold(dst,110,255,cv2.THRESH_BINARY)
dst = 1 - dst/255
dst = skimage.morphology.skeletonize(dst).astype(np.uint8)
rho = 1
theta = np.pi/180
threshold = 1
minLineLength = 30
maxLineGap = 15
lines = cv2.HoughLinesP(dst, rho, theta, threshold, minLineLength=minLineLength, maxLineGap=maxLineGap)
for line in lines[0]:
cv2.line(r_target, (line[0], line[1]), (line[2], line[3]), (0, 255, 0), 1, 8)
但是线条不会很好地出来。这是骷髅的样子:
我仍然与变量的实验,但有没有解决使用HoughLinesP特定的思维过程?
你可能过分复杂了。我将开始检查minAreaRect中心与质心/ baricenter的位置(检查“cv :: moments”) – Miki
查找矩形会使用基于hough变换的算法。相反,您可以运行形态学操作来获取图像中字母T的骨架,然后检测它们之间的线条和角度。 –
@Miki所以我画了轮廓的minAreaRect的中心和轮廓本身的中心(见编辑),它们之间的关系看起来相当一致(除了在某些框架中围绕轮廓的中心),所有我需要做的是在中心之间得到一个梯度来说明角度。我不明白,为什么这个工作?是因为minAreaRect只是一个近似值,但它和轮廓之间的关系总是相同的? –