Opencv 将L形分成两条线

我想从标记中检测距离和方向。标记为L形；两条宽度和高度相等的线连接成一个L形

为了检测方向和距离，我需要将相机捕捉到的L形切割成两条线

如果代码每帧需要运行多次，那么轻量级的方法是什么

我已经使用下面描述的算法实现了blob检测：

我曾考虑过使用Hough变换，但我担心执行每一帧都需要大量的处理能力。除此之外，我认为这不是最准确的方法。我已经进行了适当的分析，以从一条直线中提取精确的向量，但不确定如何将L形切割成两条直线

下面是一张不同结果的照片，照片中的L形是如何被摄像机捕捉到的

我在想，我可以通过一条穿过边界框的质心和中心的线来分割L形，但这行不通

我认为这可能是如何做到的一个粗略的头脑风暴草图：

扫描线！ 请参阅Python中的（更新的）演练，其中包含图像以可视化我在您的数据中的旅程：）

跳到“扫描线”解决方案的末尾

---

扫描行 基础 假设 我假设这些约束来自您的示例图像

• 您的图像中有（几个）L形
• 您可以轻松地分割它们（没有重叠的形状，没有一个L到另一个L的延续…）
• 您知道Ls中线条笔划的确切宽度

标记你的二值图像 您首先要知道哪些像素是L的一部分，这是通过“标记”二值图像来完成的

还计算每个体积的边界框，如下所示：

旋转坐标系 现在真正的诀窍是从x/y正交系统变为每个形状的“L形参考”

将其视为将X轴重新定义为L的一个分支，将Y轴重新定义为另一个分支。 一旦我们计算出一个到另一个的转换向量，我们就安全了

让我们考虑PCA方式。 我们现在面临的问题（“估计数据集中的最大变化轴”）是可以使用协方差特征向量的时刻

我不会太深入，但你可以看看这篇帖子，感受一下

该问题通常在更高的维度中定义（“给定一个50维数据集，计算其中的10个最大变化轴”），但可以通过单独考虑每个形状并声明属于L的每个像素是2D空间中的一个点来延伸到2D点云问题

但这将是对计算能力的浪费，因为与PCA的常见情况相比，您已经对L点的位置有了限制（它们在一条线上，而不是随机分散）。这个问题涉及到的线性代数的野兽在这个小问题上做得太过分了

霍夫线，去营救！ 你只是想在2D图像中找到线条？ 对线（也称为“Hough线”）使用Hough变换。 OpenCV拥有它

又是一个很好的介绍：

我使用了你的二值图像的骨架（这样每一行只上选一次），并手动选择了我为算法提供给OpenCV的参数。 这就是线条有时似乎与特定图像不完全匹配的原因，这是因为采样率等因素。）

---

新希望 在您指出需要计算速度之后，我想到了一些更多的技术，利用图像的特性对您有利

兰萨克 我曾想过在数据上使用RANSAC变体：毕竟，您希望将线拟合到点云中。 基本技术如您所知，可以用

• （随机）选择足够的数据以适合模型（在您的案例中为行）
• 评估异常值的数量（模型不适用的数据点）
• 重复并记录得分最高的模型（并在一定时间内保持记录，包括数学）

一个伟大的介绍兰萨克是（奇怪的是）

但我看到了复杂性：

• 哪种型号？：您是用4个点定义2条线，还是用2个点定义一条线并重复两次
• 没有异常值：您实际上没有合适的异常值，那么为什么要在这样一个小问题上使用RANSAC呢
• 计算能力：你真的会无缘无故地进行数千次潜在的迭代，因为你在随机查看你的点

不用说，RANSAC不可能做到这一点，但我们可以用它作为灵感

扫描线！

让我们考虑一下你的LS包围盒。

如果我们在

Y=0处水平切片它，我们将有一个1D数组，其连续区域定义为
True

那么，如果我们以这样的间隔对图像进行切片，以定义L的向量呢

设置5%作为基线，我们只需找到“哪个X指数是Y=0值的1D数组的中心”，然后对Y=0.05*img_宽度进行相同的操作

我们现在有2个2D点定义了通过图像的第一条线

在另一边重复，你就有了你的解决方案

在计算上，您只需在
img\u width
length数组中找到4个中间值，
每个内存块都是来自映像的连续内存块（Heeeello二级缓存命中！）

同样，如果刚才有点难以想象，请看我的
的结尾部分。您能用PNG重新发布相同的图像吗？我正试图使用你的示例图像作为我的答案，但JPEG压缩丢失了一些信息，使得很难轻松进行正确的分割=（当然，马上就来！上一张图片现在已替换为PNG。谢谢！更好=）一个答案，co