如何使用 OpenCV C++ 检测图像中有多少楼梯

Question

我正在尝试使用 OpenCV 和 C++ 检测图像中有多少楼梯，我尝试过这样做：

1-二值化。

2-Canny 过滤器。

3-Hough 滤波器。

4-连接组件。

我没有得到好的结果，你知道我应该遵循哪种方法吗？

提前谢谢你。

这是一个图像示例。

Answer 1

我的算法方法就是这样；找到每个楼梯的线将为我们提供楼梯编号。为了实现这一点，可以使用 Houghline 变换。您应该阅读下面链接的文档以了解 HoughLinesP 函数的参数逻辑。

第一个问题会遇到： Houghline 变换会给你很多线。为了获得可用的线条，我消除了 y 轴 值彼此接近的线条。我通过考虑两个楼梯之间的最小距离来确定这个阈值。

注意：处理垂直（90 度）到楼梯拍摄的图像会得到更好的结果。

以下是这些步骤、结果和代码：

• 应用GauusianBlur 来模糊图像。选择 GausianBlur 而不是 others 的原因我认为 GaussianBlur 与 houghline transform 有很好的结合。
• 申请Canny Edge detection。
• 将图像转换为 BGR 格式。
• 申请HoughLinesP 并找到所有可能的行
• 应用上述算法方法。
• 获取结果。

代码：

#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include <iostream>

using namespace cv;
using namespace std;

int main()
{

    Mat img = imread("/home/rnd/Desktop/photos/stairs.png");
    imshow("Source",img);

    //Apply Gaussian blur to get good results
    GaussianBlur(img,img,Size(5,5),0,0);

    Mat dst, out_img,control;
    Canny(img, dst, 80, 240, 3);
    cvtColor(dst, out_img, CV_GRAY2BGR);
    cvtColor(dst, control, CV_GRAY2BGR);

    vector<int> y_keeper_for_lines;
    vector<Vec4i> lines;
    HoughLinesP(dst, lines, 1, CV_PI/180, 30, 40, 5 );

    for( size_t i = 1; i < lines.size(); i++ )
    {
        Vec4i l = lines[i];
        line( control, Point(l[0], l[1]), Point(l[2], l[3]), Scalar(0,0,255), 3, CV_AA);
    }

    Vec4i l = lines[0];
    line( out_img, Point(0, l[1]), Point(img.cols, l[1]), Scalar(0,0,255), 3, CV_AA);
    y_keeper_for_lines.push_back(l[1]);

    int okey = 1;
    int stair_counter = 1;

    for( size_t i = 1; i < lines.size(); i++ )
    {
        Vec4i l = lines[i];
        for(int m:y_keeper_for_lines)
        {
            if(abs(m-l[1])<15)
                okey = 0;

        }
        if(okey)
        {
            line( out_img, Point(0, l[1]), Point(img.cols, l[1]), Scalar(0,0,255), 3, CV_AA);
            y_keeper_for_lines.push_back(l[1]);
            stair_counter++;
        }
        okey = 1;

    }
    putText(out_img,"Stair number:" + to_string(stair_counter),Point(40,60),FONT_HERSHEY_SIMPLEX,1.5,Scalar(0,255,0),2);
    imshow("Before", img);
    imshow("Control", control);
    imshow("detected lines", out_img);
    waitKey(0);
    return 0;
}

结果：

高斯后：

算法前的HoughLinesP：

算法后：

Answer 2

您可以获得如下有趣的结果：

• 水平计算像素总和；这将为您提供轮廓（一维信号）；

• 计算轮廓的导数；

• 检测峰值；它们是正面的和负面的，或者每个步骤一个。