我正在尝试在图像中找到带圆角的矩形对象的轮廓。我尝试了HoughLinesP
和findContours
,但未达到预期效果。
代码:
import cv2
import matplotlib.pyplot as plt
import util
image = cv2.imread("./img/findrect0.png", 1)
gray = util.grayImage(image)
edges = cv2.Canny(image, 50, 200)
lines = cv2.HoughLinesP(edges, 1, cv2.cv.CV_PI/180, 50, minLineLength=50, maxLineGap=10)[0]
linesImage = image.copy()
util.drawLines(linesImage, lines, thickness=10)
contoursImage = image.copy()
(contours, hierarchy) = cv2.findContours(gray.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
util.drawContours(contoursImage, contours, thickness=10)
util.showOpenCVImagesGrid([image, edges, linesImage, contoursImage], 2, 2, titles=["original image", "canny image", "lines image", "contours image"])
util的:
import cv2
import math
import matplotlib.pyplot as plt
def showOpenCVImagesGrid(images, x, y, titles=None, axis="on"):
fig = plt.figure()
i = 1
for image in images:
copy = image.copy()
channel = len(copy.shape)
cmap = None
if channel == 2:
cmap = "gray"
elif channel == 3:
copy = cv2.cvtColor(copy, cv2.COLOR_BGR2RGB)
elif channel == 4:
copy = cv2.cvtColor(copy, cv2.COLOR_BGRA2RGBA)
fig.add_subplot(x, y, i)
if titles is not None:
plt.title(titles[i-1])
plt.axis(axis)
plt.imshow(copy, cmap=cmap)
i += 1
plt.show()
def grayImage(image):
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
return gray
def drawLines(image, lines, thickness=1):
for line in lines:
# print("line="+str(line))
cv2.line(image, (line[0], line[1]), (line[2], line[3]),
(0, 0, 255), thickness)
def drawContours(image, contours, thickness=1):
i = 0
for contour in contours:
cv2.drawContours(image, [contours[i]], i, (0, 255, 0), thickness)
area = cv2.contourArea(contour)
i += 1
我正在使用Python 2.7.13
和OpenCV 2.4.13.3
。
我一直在考虑扩展这些线并获得线的交点。最后,我将得到四个矩形坐标。 但如果图像更复杂,我不知道如何处理。
答案 0 :(得分:14)
您需要找到找到的轮廓的边界矩形。
img = cv2.imread("image.png", -1)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
binary = cv2.bitwise_not(gray)
(_,contours,_) = cv2.findContours(binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
for contour in contours:
(x,y,w,h) = cv2.boundingRect(contour)
cv2.rectangle(img, (x,y), (x+w,y+h), (0,255,0), 2)
答案 1 :(得分:2)
您可以找到非零点的边界矩形。
image = cv2.imread("./img/findrect0.png", 1)
gray = util.grayImage(image)
gray_inv = cv2.bitwise_not(gray)
points = cv2.findNonZero(gray)
rect = cv2.boundingRect(points)
答案 2 :(得分:1)
我一直在考虑扩展这些线并获得线的交点。最后,我将得到四个矩形坐标。
或多或少,如果轮廓不适合你,这是一个很好的方法。的确如你所说,
但如果图像更复杂,我不知道如何处理。
有一些并发症需要处理。主要问题是典型的线检测并不能每次都为您提供完美的线段。您可以在同一条线上有多个线段,纵向堆叠或多个重叠。此外,您需要以某种方式自动分割线条,这样您就不会尝试找到平行线的交叉点。
然而,这两个问题都不是很难处理。
我answered a question awhile ago on this site关于从使用以下许多建议的HoughLinesP
中找到交叉点,虽然不那么健壮(将线分成两组,例如更天真地做了),但它应该给出你是一个很好的起点。
检测到线条后,您需要将线条划分为组或平行线段。如果你的矩形是一个定义的方向,那么你可以根据它来过滤这些线,这很容易。但是如果矩形可以处于任何方向,则需要一些其他方法来分割它们。您可以使用 k - 使用 k = 2 进行聚类来找到两个主要角度,并将对应于一个角度的线条放在一个箱子中,并将这些线条对应于另一个角度在另一个箱子中的角度,找到一个箱子中的线条与另一个箱子中的线条的交叉点。这种方法有什么好处,它适用于任何平行四边形。你也可以拒绝每个垃圾箱中的线条,如果它们不在某个阈值(如10度或者其他东西)内,与另一个垃圾箱的平均角度成直角,或者某个东西,如果你想要坚持矩形。 / p>
一旦您将所有线条相应分箱,您就可以计算它们的交点。实际上a nice formula using determinants用于计算两条线之间的交点,给出线上的两个点,这些点已经从端点获得。所以,这很方便! bin 0中的每一行都与bin 1中的行有一个交叉点,这就是你需要做的全部。
所以最后这里你有4个交叉点集群。一种选择是简单地将这些组合在一起,再次使用 k -means与 k = 4 ,并且你将拥有这四个点簇的质心,代表角落你的矩形。当然,由于您沿途使用了大量的近似步骤,因此您的点不会精确定义矩形,因此您必须将最接近的矩形拟合到这些点。或者,而不是 k -means,另一种方法是尝试找到最准确表示矩形的多个交叉点的子集,然后拟合最近的矩形。可能是某种方式使用线性回归,最小二乘法,RANSAC等来解决这个问题。或者如果你想要,你可以用boundingRect()
找到四个点的边界矩形。