Python 如何在OpenCV中找到T形的角度

我正在使用OpenCV 2.4进行一些跟踪，我可以得到我想要的形状的轮廓，这是一个T

输入图像：

我可以使用

cv2.minareact（我的t\u轮廓）

获得该矩形的角度，但这只能给我0-180度。但这是一个T形，所以我想知道0-360。我在想：

将轮廓拆分为两个矩形

通过矩形获取一条直线（使用skeletonize>HoughLinesP）

确定哪条线是哪条线，确定它们的梯度（使用我从HoughLinesP获得的坐标），然后确定T的方向

但是我被困在了第一位，我怎么能把一个轮廓分成两个形状呢

---

方法1：绘制轮廓中心和轮廓背面中心

dst = cv2.cvtColor(r_target, cv2.COLOR_BGR2GRAY)
dst = cv2.GaussianBlur(dst, (11, 11), 0)
ret,dst = cv2.threshold(dst,110,255,cv2.THRESH_BINARY_INV)
cnts = cv2.findContours(dst, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
for c in cnts:
    # get minAreaRect around contour and draw its center in red
    rect = cv2.minAreaRect(c)
    cv2.circle(r_target, (int(rect[0][0]), int(rect[0][1])), 7, (0, 0, 255), -1)

    # get moments of contour to get center and draw it in white
    M = cv2.moments(c)
    cX = int(M["m10"] / M["m00"])
    cY = int(M["m01"] / M["m00"])
    cv2.circle(r_target, (cX, cY), 7, (255, 255, 255), -1)

下一步可能会计算中心之间的简单梯度，以确定角度

---

方法2：使用HoughLinesP对图像进行骨架化并获取线条

dst = cv2.cvtColor(r_target, cv2.COLOR_BGR2GRAY)
dst = cv2.GaussianBlur(dst, (11, 11), 0)
ret,dst = cv2.threshold(dst,110,255,cv2.THRESH_BINARY)
dst = 1 - dst / 255
dst = skimage.morphology.skeletonize(dst).astype(np.uint8)
rho = 1
theta = np.pi / 180
threshold = 1
minLineLength = 30
maxLineGap = 15
lines = cv2.HoughLinesP(dst, rho, theta, threshold, minLineLength=minLineLength, maxLineGap=maxLineGap)
for line in lines[0]:
    cv2.line(r_target, (line[0], line[1]), (line[2], line[3]), (0, 255, 0), 1, 8)

但是台词不太好。这是骨架的外观：

---

我仍在试验变量，但使用HoughLinesP是否有特定的思维过程？

作为变量，您可以使用PCA，找到第一个组件方向，并将其用作搜索角度。您可以在这里查看一个示例：

您可能把这件事复杂化了。我将开始用质心/重心（检查“cv:：矩”）检查Minareact中心的位置，找到使用基于hough变换的算法的矩形。相反，您可以运行形态学操作，只获取图像中字母T的骨架，然后检测它们之间的线条和角度。@Miki所以我画了轮廓的Minareact中心和轮廓本身的中心（请参见编辑），它们之间的关系看起来相当一致（在某些帧中，轮廓的中心除外），所以我所需要做的就是在中心之间获得一个梯度来表示角度。我不明白，为什么这样做？是因为minarealect只是一个近似值，但它和轮廓之间的关系总是一样的吗？@v.coder所以我使用了scikit图像对字母进行骨架化，但结果很奇怪（请参见编辑）。我希望它会吐出两行正确的=）表示T。我正在对阈值图像运行skeletonize函数，对吗？