【发布时间】：2016-09-24 23:15:18
【问题描述】：
我正在使用OpenCV 2.4做一些跟踪，我可以得到我想要的形状的轮廓，它是一个T。
我可以使用cv2.minAreaRect(my_t_contour) 并获得该矩形的角度，但这只会给我 0-180 度。但这是一个 T 形，所以我希望能够分辨 0-360。我在想：
- 将轮廓分成两个矩形
- 通过矩形获得一条线（使用skeletonize > HoughLinesP）
- 确定哪条线是哪条线，确定它们的梯度（使用我从 HoughLinesP 得到的坐标），然后确定 T 的方向。
但我被困在数字 1 上，如何将轮廓分成两个形状？
方法一：绘制轮廓中心和轮廓的minAreaRect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)
下一步可能会计算中心之间的简单梯度以确定角度。
方法二：使用HoughLinesP对图像进行骨架化，得到线条。
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)
但是线条不太好。这是骨架的样子：
我仍在试验变量，但是否有关于使用 HoughLinesP 的特定思考过程？
【问题讨论】：
-
你可能过于复杂了。我将开始使用质心/质心检查 minAreaRect 的中心位置（检查“cv::moments”）
-
查找矩形将反过来使用基于霍夫变换的算法。相反，您可以运行形态学运算来获取图像中字母 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），它们之间的关系似乎相当一致（除了轮廓的中心在周围跳舞在某些帧中），所以我需要做的就是在中心之间获得一个渐变来判断角度。我不明白，为什么这有效？是不是因为 minAreaRect 只是一个近似值，但它和轮廓的关系总是一样的？
-
@v.coder 所以我使用了字母的 scikit-image 骨架化，但结果很奇怪（见编辑）。我希望它会吐出两条正确的线 =) 表示 T。我正在对阈值图像运行骨架化功能，我这样做不对吗？