Question

我试图使用OpenCV从它的背景中分割弯曲的杆，然后在其中找到弯曲并计算每个弯曲之间的角度。

幸运的是，第一部分是微不足道的，前景和背景之间有足够的对比。分割时会有一些侵蚀/扩张处理反射/高光。

第二部分是我不确定如何接近它的地方。

我可以很容易地检索轮廓（顶部和底部非常相似，所以要么会这样做），但我似乎无法弄清楚如何将轮廓分成直线部分和弯曲杆来计算角度。

到目前为止，我已经尝试过简单地修复轮廓，但是我得分太多或太少而且很难确定正确的点设置使直线部分保持笔直，弯曲部分简化。

这是我的输入图像（bend.png）

以上是我迄今为止尝试过的事情：

#!/usr/bin/env python
import numpy as np
import cv2

threshold = 229
# erosion/dilation kernel
kernel = np.ones((5,5),np.uint8)
# contour simplification
epsilon = 0

# slider callbacks
def onThreshold(x):
    global threshold
    print "threshold = ",x
    threshold = x
def onEpsilon(x):
    global epsilon
    epsilon = x * 0.01
    print "epsilon = ",epsilon

# make a window to add sliders/preview to
cv2.namedWindow('processed')
#make some sliders
cv2.createTrackbar('threshold','processed',60,255,onThreshold)
cv2.createTrackbar('epsilon','processed',1,1000,onEpsilon)
# load image
img = cv2.imread('bend.png',0)
# continuously process for quick feedback
while 1:
    # exit on ESC key
    k = cv2.waitKey(1) & 0xFF
    if k == 27:
        break

    # Threshold
    ret,processed = cv2.threshold(img,threshold,255,0)
    # Invert
    processed = (255-processed)
    # Dilate
    processed = cv2.dilate(processed,kernel)
    processed = cv2.erode(processed,kernel)
    # Canny
    processed = cv2.Canny(processed,100,200)

    contours, hierarchy = cv2.findContours(processed,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)
    if len(contours) > 0:
        approx = cv2.approxPolyDP(contours[0],epsilon,True)
        # print len(approx)
        cv2.drawContours(processed, [approx], -1, (255,255,255), 3)
        demo = img.copy()
        cv2.drawContours(demo, [approx], -1, (192,0,0), 3)
    # show result
    cv2.imshow('processed ',processed)
    cv2.imshow('demo ',demo)


# exit
cv2.destroyAllWindows()

这是我到目前为止所得到的，但我不相信这是最好的方法：

我试图在视觉上弄清楚这一点，我所瞄准的是这样的：

因为最终目标是计算弯曲部件之间的角度，这样的事情会更简单：

我的假设是拟合线并计算相交线对之间的角度可以起作用：

我使用HoughLines OpenCV Python tutorial进行了快速测试，但无论参数如何，我都没有取得好成绩：

#!/usr/bin/env python
import numpy as np
import cv2

threshold = 229
minLineLength = 30
maxLineGap = 10
houghThresh = 15

# erosion/dilation kernel
kernel = np.ones((5,5),np.uint8)

# slider callbacks
def onMinLineLength(x):
    global minLineLength
    minLineLength = x
    print "minLineLength = ",x

def onMaxLineGap(x):
    global maxLineGap
    maxLineGap = x
    print "maxLineGap = ",x

def onHoughThresh(x):
    global houghThresh
    houghThresh = x
    print "houghThresh = ",x

# make a window to add sliders/preview to
cv2.namedWindow('processed')
#make some sliders
cv2.createTrackbar('minLineLength','processed',1,50,onMinLineLength)
cv2.createTrackbar('maxLineGap','processed',5,30,onMaxLineGap)
cv2.createTrackbar('houghThresh','processed',15,50,onHoughThresh)
# load image
img = cv2.imread('bend.png',0)
# continuously process for quick feedback
while 1:
    # exit on ESC key
    k = cv2.waitKey(1) & 0xFF
    if k == 27:
        break

    # Threshold
    ret,processed = cv2.threshold(img,threshold,255,0)
    # Invert
    processed = (255-processed)
    # Dilate
    processed = cv2.dilate(processed,kernel)
    processed = cv2.erode(processed,kernel)
    # Canny
    processed = cv2.Canny(processed,100,200)

    lineBottom = np.zeros(img.shape,np.uint8)

    contours, hierarchy = cv2.findContours(processed,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)
    if len(contours) > 0:
        cv2.drawContours(lineBottom, contours, 0, (255,255,255), 1)

    # HoughLinesP
    houghResult = img.copy()
    lines = cv2.HoughLinesP(lineBottom,1,np.pi/180,houghThresh,minLineLength,maxLineGap)
    try:
        for x in range(0, len(lines)):
            for x1,y1,x2,y2 in lines[x]:
                cv2.line(houghResult,(x1,y1),(x2,y2),(0,255,0),2)
    except Exception as e:
        print e

    # show result
    cv2.imshow('lineBottom',lineBottom)
    cv2.imshow('houghResult ',houghResult)


# exit
cv2.destroyAllWindows()

这是一种可行的方法吗？如果是这样，那么在OpenCV Python中进行线拟合的正确方法是什么？

否则，这是解决此问题的最佳方法吗？

更新遵循Miki的建议我已经尝试过OpenCV 3的LSD并获得了比使用HoughLinesP更好的结果，但它看起来像是＆＃39;仍然需要进行一些调整，虽然除了cv2.createLineSegmentDetector以外没有其它选项可供选择：

Answer 1

我知道这很旧，但是在遇到类似问题后才发现我使用的方法（找到二进制图像后）大致如下：

发现终点（点数最少的点）
skeletonize（可选）
从一端开始，使用skimage cdist
使用这些点执行线性回归，并在最佳拟合线的几个像素误差内找到图像中的所有点。我使用了query_ball_point
这将在同一直线上给出其他点。按距最后一个基准点的距离排序。其中一些可能是线在对象远处的投影，应删除。
重复步骤4和5，直到不再添加点为止。
一旦没有更多的点添加到该行，您就可以通过查看R平方来找到下一条有效线的起点。该线应具有很高的R平方，例如。 > 0.95（取决于图像-我得到的是> 0.99）。不断改变起点，直到达到高R平方。
这给出了一堆线段，从那里应该容易找到它们之间的角度。当线段垂直（或水平）并且斜率变为无限时，会出现一个潜在的问题。发生这种情况时，我只是将轴翻转了一下。您还可以通过定义一条线的端点并找到threshold distance from that line中的所有点来解决此问题，而不用进行回归。

与使用其他建议的方法相比，这涉及更多的编码，但是执行时间快，并且可以更好地控制正在发生的事情。

Answer 2

获得轮廓后，您可以使用本文提出的方法对其进行分析：Twitter search

基本上，跟踪轮廓计算每个点的曲率。然后，您可以使用曲率阈值将轮廓分割为直线和弯曲部分。

如何分割弯杆进行角度计算？

2 个答案: