Question

我想检测一个自定义＆＃34;多条形图案＆＃34;在图像中。

图案看起来像这样，有一组平行的黑色条，宽度相同但高度不同，请看这个图片：

这种模式可能在图像上，甚至没有，但如果是 - 我希望得到它的位置。

注意：在每种情况下，图案的颜色都是黑色。

注意：模式的大小未知，因此可能很大或可能超小。

注意：图案条数是固定数。每次出现都是一样的（在这种情况下为7）。

图片可能如下所示：

执行代码搜索算法后，应该会发生这种情况：

非常感谢任何帮助。感谢提前一百万，Tempi。

注意：到目前为止我得到的代码（不工作）

Mat myImage; // this is the mat of the photo you can see above
Mat algorithmImage;
myImage.coptyTo(algorithmImage); 
cvtColor(algorithmImage, algorithmImage, CV_RGB2HSV);

double imgThreshold = 20;
cv::inRange(algorithmImage, cv::Scalar(0, 0, 0, 0), cv::Scalar(180, 255, 30, 0), 20);

Mat canny;
vector<vector<Point>> contours;
vector<Vec4i> hierarchy;

Canny( algorithmImage, canny, 3, 6, 3 );
findContours( canny, contours, hierarchy, CV_RETR_TREE, CV_CHAIN_APPROX_SIMPLE, Point(0, 0) );

for( int i = 0; i<contours.size(); i++ ) {
  // ??
}

bool isLineAlreadyFound(const Vec4i& _l1, const Vec4i& _l2) {
    Vec4i l1(_l1), l2(_l2);

    float length1 = sqrtf((l1[2] - l1[0])*(l1[2] - l1[0]) + (l1[3] - l1[1])*(l1[3] - l1[1]));
    float length2 = sqrtf((l2[2] - l2[0])*(l2[2] - l2[0]) + (l2[3] - l2[1])*(l2[3] - l2[1]));

    float product = (l1[2] - l1[0])*(l2[2] - l2[0]) + (l1[3] - l1[1])*(l2[3] - l2[1]);

    if (fabs(product / (length1 * length2)) < cos(CV_PI / 30))
        return false;

    float mx1 = (l1[0] + l1[2]) * 0.5f;
    float mx2 = (l2[0] + l2[2]) * 0.5f;

    float my1 = (l1[1] + l1[3]) * 0.5f;
    float my2 = (l2[1] + l2[3]) * 0.5f;
    float dist = sqrtf((mx1 - mx2)*(mx1 - mx2) + (my1 - my2)*(my1 - my2));

    if (dist > std::max(length1, length2) * 0.5f)
        return false;

    return true;
}

Answer 1

以下是我如何解决您的问题。

由于您的图案完全是黑色的，因此您可以从中受益然后做一个门槛。尝试一个非常低的门槛（如果它是一个完美的黑色，使用1作为阈值。）
完成上述步骤后，使用findContours应该已经做好了检测形状。但是你需要的是一种识别你的方式图案。由于您的图案可能会以不同的比例和/或显示出来方向，您将需要一个缩放/方向不变的描述符。一世这里的意思是形状描述符。你可以看看胡锦涛https://en.wikipedia.org/wiki/Image_moment。
每个模式中只有一个条形图。你应该完成通过为您的模式设计特定功能来进行搜索帮助从每个栏中提取的功能。

Answer 2

这里的技巧是你有14个平行边。那些是不可能错过的。如其他答案中所述，隔离它们的阈值。在此之后，运行边缘检测器。这会将黑色和白色边缘变成线条，而图像的其余部分可能会产生一些分散的像素。想象一下，亲眼看看。

接下来，从OpenCV运行Hough变换。这为您提供了{offset，direction}格式的行。即使一些分散的背景像素恰好排成一行，它们也不会形成具有相同方向的14条线。

您可以计算最大偏移差异以查找条形图案的比例，并仔细检查相对偏移以检查单个条形宽度和间距。请记住，14条线是边缘，所以你需要配对它们。

此时您已确定条形图案的方向和比例。意识到你实际上并没有确定实际的酒吧位置可能有点令人惊讶。这个程序的原因是我们首先解决了这个难题。我们现在回到边缘检测的输出，并将那里的所有边缘分成三类：平行边缘，两对平行边缘之间的圆形端盖（遵循轮廓）和随机背景像素。您可能需要MORPH_CLOSE操作来关闭轮廓中的间隙。

如何检测多条图案？

2 个答案: