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：

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：

我有一个建议。因为您已经提取了中的每个对象 将图像作为轮廓，尝试将椭圆拟合到每个轮廓

然后找到每个椭圆的长轴

现在求出这些长轴的方向角

---

你介意给出一个示例代码吗？我对实施情况没有把握。