如何在opencv python中查找图像的角点数

在下图中，我得到70个角，但应该是8个角。 我正在使用下面的代码

import numpy as np
import cv2
def find_centroids(dst):
    ret, dst = cv2.threshold(dst, 0.01 * dst.max(), 255, 0)
    dst = np.uint8(dst)

    # find centroids
    ret, labels, stats, centroids = cv2.connectedComponentsWithStats(dst)
    # define the criteria to stop and refine the corners
    criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 100, 
                0.001)
    corners = cv2.cornerSubPix(gray,np.float32(centroids[1:]),(5,5), 
              (-1,-1),criteria)
    return corners

image = cv2.imread("hexa_bron.jpg")
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

gray = np.float32(gray)

dst = cv2.cornerHarris(gray, 3, 3, 0.04)

dst = cv2.dilate(dst, None)

# Threshold for an optimal value, it may vary depending on the image.
# image[dst > 0.01*dst.max()] = [0, 0, 255]

# Get coordinates
corners = find_centroids(dst)
# To draw the corners
for corner in corners:
    image[int(corner[1]), int(corner[0])] = [0, 0, 255]
int_corners = np.asarray(corners, dtype = int)
print (len(int_corners))

使用的图像是

---

如何纠正这一点，使我可以得到8个角。当我使用彩色图像时，我看到了不同。因此，如何使用python查找任何类型图像的角点数量。

您可以使用

cv2.approxPolyDP（）

完成此操作。这将有助于指导您的实施

编辑：添加信息以解决OPs修改问题

当我在提供的图像上运行代码时，我得到了16个点，即内部轮廓为8，外部轮廓为8。对于图像中的轮廓，通常会得到两个几乎相同的轮廓。有几种方法可以解决这个问题，最终得到8个角点

以下是原始代码结果。您可以在八个角的每个角看到两个点

导入matplotlib.pyplot作为plt
plt.imshow（灰色，cmap=“灰色”）
plt.散射（内部角点[：，0]，内部角点[：，1]）

我走的路线是平均点的坐标，这些点之间的距离在一个阈值之内。您可以根据应用程序的需要使用它

mean_corners=np.zero_like（int_corners）
对于idx，枚举中的点（int_角）：
平方距离=np.和（（内角-点）**2，轴=1）
掩码=平方距离<200平方距离阈值
如果np.和（掩码）！=2:
raise VALUE ERROR（“未选择两个角点”）
#平均两分
平均角点[idx，：]=np.mean（整数角点[mask，：]，轴=0）
#只保留唯一的点，因为每个点都有一个副本
唯一角=np.唯一（平均角，轴=0）

使用与上述类似的代码绘制新点

unique_corners

的输出为

[[ 306  426]
 [ 518   60]
 [ 518  792]
 [ 866   60]
 [ 866  235]
 [ 941  792]
 [1042  235]
 [1152  426]]

编辑2：

再稍微修改一下，您也可以简单地增加Harris角点检测的

blockSize

参数。增加会使内角和外角位于同一块内，并返回一个单一的角点——无需求平均值。下面是更新后的行，

blockSize

从3增加到10

dst=cv2.0（灰色，10,3,0.04）

您可以使用

cv2.approxPolyDP（）

执行此操作。这将有助于指导您的实施

编辑：添加信息以解决OPs修改问题

当我在提供的图像上运行代码时，我得到了16个点，即内部轮廓为8，外部轮廓为8。对于图像中的轮廓，通常会得到两个几乎相同的轮廓。有几种方法可以解决这个问题，最终得到8个角点

以下是原始代码结果。您可以在八个角的每个角看到两个点

导入matplotlib.pyplot作为plt
plt.imshow（灰色，cmap=“灰色”）
plt.散射（内部角点[：，0]，内部角点[：，1]）

我走的路线是平均点的坐标，这些点之间的距离在一个阈值之内。您可以根据应用程序的需要使用它

mean_corners=np.zero_like（int_corners）
对于idx，枚举中的点（int_角）：
平方距离=np.和（（内角-点）**2，轴=1）
掩码=平方距离<200平方距离阈值
如果np.和（掩码）！=2:
raise VALUE ERROR（“未选择两个角点”）
#平均两分
平均角点[idx，：]=np.mean（整数角点[mask，：]，轴=0）
#只保留唯一的点，因为每个点都有一个副本
唯一角=np.唯一（平均角，轴=0）

使用与上述类似的代码绘制新点

unique_corners

的输出为

[[ 306  426]
 [ 518   60]
 [ 518  792]
 [ 866   60]
 [ 866  235]
 [ 941  792]
 [1042  235]
 [1152  426]]

编辑2：

再稍微修改一下，您也可以简单地增加Harris角点检测的

blockSize

参数。增加会使内角和外角位于同一块内，并返回一个单一的角点——无需求平均值。下面是更新后的行，

blockSize

从3增加到10

dst=cv2.0（灰色，10,3,0.04）

感谢上述内容，您能否建议如何获取每个拐角处的内角和外角？在运行您提供的上述代码时，我得到了错误，即值错误：两个拐角点不正确selected@k_p玩距离阈值。出于调试目的，故意将该错误消息放在其中。这意味着您在累加器中获得1或3+点。至于角度，我需要再多玩一点。我相信

approxPolyDP

以有序列表的形式返回数据，这意味着您可以进行一些数学/几何运算来计算由3个相邻点创建的角度。再一次，我需要确认如果可能的话，你能帮我找到每个角点的角度值多少，一旦你充实了角点算法，我会用你的角度问题创建一个单独的问题/帖子。这个问题可以解决点排序和角度计算。展示你最初的努力，并链接到这篇文章。当我有更多的时间时，我很乐意稍后提供帮助。谢谢上面的内容。你能建议如何获得每个拐角处的内角和外角吗selected@k_p玩距离阈值。出于调试目的，故意将该错误消息放在其中。这意味着您在累加器中获得1或3+点。至于角度，我需要再多玩一点。我相信

approxPolyDP

以有序列表的形式返回数据，这意味着您可以进行一些数学/几何运算来计算由3个相邻点创建的角度。再一次，我需要确认如果可能的话，你能帮我找到每个角点的角度值多少，一旦你充实了角点算法，我会用你的角度问题创建一个单独的问题/帖子。这个问题可以解决波因