具有粗糙轮廓的近似边缘 - OpenCV

Question

我一直在研究和尝试几个函数来获得我想要的东西，但我觉得我可能想多了。 我的代码的一个版本如下。示例图片为here。

我的最终目标是找到近似线相对于框架（绿线）的角度（黄线）Final 我什至还没有进入程序的角度部分。

我从下面的代码中得到的结果如下。 CannyClosedSmall Removed

谁有更好的方法来创建差异和建立估计线？ 任何帮助表示赞赏。

import cv2
import numpy as np

pX = int(512)
pY = int(768)

img = cv2.imread('IMAGE LOCATION', cv2.IMREAD_COLOR)
imgS = cv2.resize(img, (pX, pY))
aimg = cv2.imread('IMAGE LOCATION', cv2.IMREAD_GRAYSCALE)

# Blur image to reduce noise and resize for viewing
blur = cv2.medianBlur(aimg, 5)
rblur = cv2.resize(blur, (384, 512))

canny = cv2.Canny(rblur, 120, 255, 1)
cv2.imshow('canny', canny)
kernel = np.ones((2, 2), np.uint8)
#fringeMesh = cv2.dilate(canny, kernel, iterations=2)
#fringeMesh2 = cv2.dilate(fringeMesh, None, iterations=1)
#cv2.imshow('fringeMesh', fringeMesh2)
closing = cv2.morphologyEx(canny, cv2.MORPH_CLOSE, kernel)
cv2.imshow('Closed', closing)

nb_components, output, stats, centroids = cv2.connectedComponentsWithStats(closing, connectivity=8)
#connectedComponentswithStats yields every separated component with information on each of them, such as size
sizes = stats[1:, -1]; nb_components = nb_components - 1

min_size = 200  #num_pixels

fringeMesh3 = np.zeros((output.shape))
for i in range(0, nb_components):
    if sizes[i] >= min_size:
        fringeMesh3[output == i + 1] = 255


#contours, _ = cv2.findContours(fringeMesh3, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
#cv2.drawContours(fringeMesh3, contours, -1, (0, 255, 0), 1)


cv2.imshow('final', fringeMesh3)

#cv2.imshow("Natural", imgS)
#cv2.imshow("img", img)
cv2.imshow("aimg", aimg)
cv2.imshow("Blur", rblur)
cv2.waitKey()
cv2.destroyAllWindows()

Answer 1

您可以将一条直线拟合到每列中遇到的第一个白色像素，从底部开始。

我不得不修剪你的图片，因为你分享了一个带有窗口装饰、标题和框架的屏幕截图，而不是你的实际图片：

import cv2
import math
import numpy as np

# Load image as greyscale
im = cv2.imread('trimmed.jpg', cv2.IMREAD_GRAYSCALE)

# Get index of first white pixel in each column, starting at the bottom
yvals = (im[::-1,:]>200).argmax(axis=0)

# Make the x values 0, 1, 2, 3...
xvals = np.arange(0,im.shape[1])

# Fit a line of the form y = mx + c
z = np.polyfit(xvals, yvals, 1)

# Convert the slope to an angle
angle = np.arctan(z[0]) * 180/math.pi

---

注1：z（拟合结果）的值为：

array([ -0.74002694, 428.01463745])

这意味着您正在寻找的直线方程是：

y = -0.74002694 * x + 428.01463745

即y 轴截距位于图像底部的第 428 行。

注意 2：尽量避免将 JPEG 格式作为图像处理中的中间格式 - 它是有损的并且会改变您的像素值 - 因此，在您进行阈值化并完成形态学的地方，您期望的值为 255和 0，JPEG 将有损地更改这些值，您最终会再次测试范围或阈值。

Answer 2

您的“封闭”图像似乎很清楚地划分了这两个区域，因此我建议您将重点放在将边界变成一条您可以做某事的线。连通分量分析和轮廓检测在这里并没有真正提供任何有用的信息，因此没有必要。

找到线角度的一个非常简单的方法是找到每行中的第一个白色像素。要仅获取属于对角线一部分的行，请不要包括该像素太靠近任一侧的行（例如，在 5% 以内）。这会在两种草的边界上为您提供一组点（像素位置）。

从那里您可以进行线性回归以获得直线方程，或者您可以通过平均行的上半部分和下半部分的 x 值来获得两个点，然后从中计算梯度角.

另一种方法是使用非常大的内核进行另一次形态关闭，最终得到一个纯白色区域和一个纯黑色区域，您可以使用 canny 或 findContours 将其变成一条线。从那里你可以通过平均得到一些点，使用端点，或者从足够大的内核给出足够平滑的结果，你可以用霍夫线检测线。