检测骰子的上侧

Question

是否可以检测到骰子的上侧？如果从顶部看，这将是一项简单的任务，从多个角度来看，可以看到多个方面。

这是一个骰子的例子，随意拍摄自己的照片：

您通常想知道您取得的分数。我很容易提取所有点，但如何只提取顶部的那些？在这种特殊情况下，顶部是最大的，但这可能并非总是如此。我正在寻找一些评估顶部正方形（或者在这种情况下是圆形，我可以提取的）与底部网格给出的透视相关的变形。

下面给出了一些结果的示例程序。

import numpy as np
import cv2

img = cv2.imread('dice.jpg')


# Colour range to be extracted
lower_blue = np.array([0,0,0])
upper_blue = np.array([24,24,24])

# Threshold the BGR image 
dots = cv2.inRange(img, lower_blue, upper_blue)

# Colour range to be extracted
lower_blue = np.array([0,0,0])
upper_blue = np.array([226,122,154])

# Threshold the BGR image 
upper_side_shape = cv2.inRange(img, lower_blue, upper_blue)

cv2.imshow('Upper side shape',upper_side_shape)
cv2.imshow('Dots',dots)

cv2.waitKey(0)
cv2.destroyAllWindows()

一些结果图像：

Answer 1

最佳解决方案是点大小，我在评论中提到过。找到最大的点，将其视为最大值，然后创建容差级别。

但是，如果所有的点几乎相等（从角度看边缘使得物体等距离），甚至是太小，该怎么办？最好的解决方案是创建捕捉点的边界。这需要分析骰子的边缘（基本上是边缘检测），但是一旦定义了边界，就会很稳固。

您需要的只是从您所看到的视角捕捉骰子的边缘。

这是一个直观的例子：

由于您有虚拟边界集，因此您只需测量y轴上特定点上方的点。

Answer 2

点大小是一个很好的启发式算法，但我还要添加点圆度：如果计算二值化点的二阶image moments，则x和y矩越相似，越圆数字。对于侧视图来说，这当然会失败，就像大小一样，但如果你感觉不到引力，“顶端”的确意味着什么呢。

Answer 3

为什么要尝试切割图像？根据您在侧面看到的数字，您可以推断出顶部的数字。您的旁边号码可用作检查以验证您的猜测。

请注意，您必须小心谨慎（参见：{{3}}）