有没有办法增加cv2.findContours返回的积分数量？

Question

对于一个我试图匹配拼图游戏的项目，我写了一些代码来确定拼图两边的凹痕（向内和向外）。我添加了两个示例图像来显示结果。

Inward indentation

Outward indentation

可以很好地检测到所有缩进，但是其准确性并不总是如预期的那样。我认为这是由于 cv2.findContours（）导致的，该点只能提供有限的点数。我提供了cv2.findContours（）的代码。

imshape = l.getImageShape(image)
ret, thresh = cv2.threshold(imshape, 0, 254, 0)
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)

我选择仅将外部线与RETR_EXTERNAL一起使用，因为这些线是唯一需要的轮廓。我还决定使用CHAIN_APPROX_NONE来保存每一个点，即使我实际上不需要太多有关侧面笔直部分的信息。但是，CHAIN_APPROX_SIMPLE还删除了关键（缩进）部分的某些点，从而进一步降低了准确性。

第一个函数getImageShape只是以类似于脱粒的方式获取形状，但我发现预先使用此方法可获得更好的结果，而不是像以前那样仅将源图像作为cv2.threshold函数的输入参数代码。

def getImageShape(img):
    gray   = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    gray   = cv2.medianBlur(gray, ksize=5)
    thresh = cv2.threshold(gray, 0, 254, cv2.THRESH_BINARY)[1]
    thresh = cv2.blur(thresh, ksize=(3, 3))
    return thresh

由于准确性不佳（难题一侧的宽度/高度大约有4％的误差），仅根据其缩进位置将两侧相互匹配会导致多种“可能”的解决方案。我希望有一种方法可以增加cv2.getContours返回的点数，但是在openCV文档中找不到任何有关该点的信息。

如果这是不可能的，那么我将不得不添加一些图像连续性检测算法（但这将使其无法仅通过形状匹配块）。

谢谢！

Answer 1

如果我可能建议其他方法： 您可以通过使用Sobel或Prewitt过滤器计算图像梯度来尝试使轮廓可见，并在进行一些简单的后处理之后使用Canny边缘检测。

这就是我使用的内容，请注意，我使用的是您在轮廓上带有标记的图片，因此可以忽略一些不一致之处。