Python OpenCV中的方向检测有问题
我正在尝试制作一个可以检测物体方向的计算机视觉脚本。它在大多数情况下都有效,但对于某些图像,它似乎无法获得同样的成功 该脚本依靠模糊和精明的边缘检测来找到轮廓 工作示例: 失败的部分: 对于失败的部分,它会为同一形状中的一个创建两行,并完全忽略其他形状中的一个 主要代码:Python OpenCV中的方向检测有问题,python,opencv,orientation,object-detection,canny-operator,Python,Opencv,Orientation,Object Detection,Canny Operator,我正在尝试制作一个可以检测物体方向的计算机视觉脚本。它在大多数情况下都有效,但对于某些图像,它似乎无法获得同样的成功 该脚本依靠模糊和精明的边缘检测来找到轮廓 工作示例: 失败的部分: 对于失败的部分,它会为同一形状中的一个创建两行,并完全忽略其他形状中的一个 主要代码: import cv2 from imgops import imutils import CVAlgo z = 'am' path = 'images/pca.jpg' #path = 'images/pca2.jp
import cv2
from imgops import imutils
import CVAlgo
z = 'am'
path = 'images/pca.jpg'
#path = 'images/pca2.jpg'
img = cv2.imread(path)
imgray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
img = imutils.resize(img, height = 600)
imgray = imutils.resize(img, height = 600)
final = img.copy()
thresh, imgray = CVAlgo.filtering(img, imgray, z)
__ , contours, hierarchy = cv2.findContours(thresh.copy(),cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
# Iterate through all contours
test = CVAlgo.cnt_gui(final, contours)
#cv2.imwrite('1.jpg', final)
cv2.imshow('thresh', thresh)
cv2.imshow('contours', final)
cv2.waitKey(0)
CVAlgo.py
import cv2
from numpy import *
from pylab import *
from imgops import imutils
import math
def invert_img(img):
img = (255-img)
return img
def canny(imgray):
imgray = cv2.GaussianBlur(imgray, (11,11), 200)
canny_low = 0
canny_high = 100
thresh = cv2.Canny(imgray,canny_low,canny_high)
return thresh
def cnt_gui(img, contours):
cnts = sorted(contours, key = cv2.contourArea, reverse = True)
for i in range(0,len(cnts)):
sel_cnts = sorted(contours, key = cv2.contourArea, reverse = True)[i]
area = cv2.contourArea(sel_cnts)
if area < 1000:
continue
# get orientation angle and center coord
center, axis,angle = cv2.fitEllipse(sel_cnts)
hyp = 100 # length of the orientation line
# Find out coordinates of 2nd point if given length of line and center coord
linex = int(center[0]) + int(math.sin(math.radians(angle))*hyp)
liney = int(center[1]) - int(math.cos(math.radians(angle))*hyp)
# Draw orienation
cv2.line(img, (int(center[0]),int(center[1])), (linex, liney), (0,0,255),5)
cv2.circle(img, (int(center[0]), int(center[1])), 10, (255,0,0), -1)
return img
def filtering(img, imgray, mode):
imgray = cv2.medianBlur(imgray, 11)
thresh = cv2.Canny(imgray,75,200)
return thresh, imgray
导入cv2
从numpy进口*
从派拉布进口*
从imgops导入IMUTIL
输入数学
def反转img(img):
img=(255 img)
返回img
def canny(灰色):
imgray=cv2.GaussianBlur(imgray,(11,11),200)
canny_低=0
canny_high=100
阈值=cv2.Canny(灰色,Canny低,Canny高)
回程脱粒
def cnt_gui(图像、轮廓):
cnts=已排序(轮廓,关键点=cv2.contourArea,反向=真)
对于范围(0,len(cnts))内的i:
sel_cnts=已排序(轮廓,键=cv2.contourArea,反转=真)[i]
面积=cv2。轮廓面积(选择)
如果面积小于1000:
持续
#获取方向角和中心坐标
中心、轴、角度=cv2.椭圆(选择)
hyp=100#定向线的长度
#如果给定直线长度和中心坐标,找出第二点的坐标
linex=int(中心[0])+int(数学正弦(数学弧度(角度))*hyp)
liney=int(中心[1])-int(数学坐标系(数学弧度(角度))*hyp)
#绘画定向
cv2.直线(img,(int(center[0]),int(center[1]),(linex,liney),(0,0255),5)
cv2.圆(img,(int(center[0]),int(center[1])),10,(255,0,0),-1)
返回img
def过滤(img、imgray、模式):
imgray=cv2.medianBlur(imgray,11)
thresh=cv2.Canny(imgray,75200)
返回阈值,imgray
有人知道问题出在哪里吗?有人知道我如何改进这个脚本吗 未检测到的形状太接近黑色背景,因此其轮廓已与白色对象区域的轮廓合并。在其中一个对象中找到的第二个方向实际上是外轮廓的方向。为了避免这种情况,您可以在使用cv2.Displate函数进行阈值化后,从以下位置放大或关闭二值图像:
你介意给出一个示例代码吗?我对实施情况没有把握。