Python OpenCV检测对象及其旋转

我正在从事一个机器人技术项目，我们需要实现某种形式的图像识别来找到正确的路径。 有一个旋转圆盘，其方向如下所示：

我编写了以下代码，该代码使用网络摄像头成功捕获视频流，并尝试从提供的模板中查找磁盘图像：

import cv2

IMGn = cv2.imread("North.png",0)
webcam = cv2.VideoCapture(0)
grayScale = True
key = 0

def transformation(frame,template):
    w, h = template.shape[::-1]
    res = cv2.matchTemplate(frame,template,cv2.TM_SQDIFF_NORMED)
    min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)
    top_left = min_loc
    bottom_right = (top_left[0] + w, top_left[1] + h)
    cv2.rectangle(frame,top_left, bottom_right, 255, 2)
    return frame

while (key!=ord('q')):
    check, frame = webcam.read()
    if(grayScale):
        frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

    frame = transformation(frame,IMGn)

    cv2.imshow("Capturing", frame)
    key = cv2.waitKey(1)

webcam.release()
cv2.destroyAllWindows()

---

这并不是非常有效，但至少可以找到指南针的大致轮廓。然而，我根本不知道如何找到圆的旋转！此外，尺寸似乎也是一个问题（如果拖得太远或太近，跟踪就会混乱）。这是我第一次用图像识别做任何事情，但通常没有帮助，所以请尽量简化你的答案。谢谢

首先，您可能需要在图片上设置一个阈值，以便将所有灰色元素转换为白色或黑色，以便于检测

img = cv2.imread(r"C:\Users\Max\Desktop\North_rotated_2.png")
img = cv2.resize(img, None, fx=3, fy=3)
imgray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
blur = cv2.GaussianBlur(imgray, (5, 5), 0)
ret, thresh = cv2.threshold(blur, 0, 255, cv2.THRESH_BINARY+cv2.THRESH_OTSU)

输出如下所示（我手动旋转了初始图片以获得角度）。

然后我们可以检测图像中的第二大轮廓，它应该是我们的黑色半圆（最大轮廓将是整个图像边界附近的轮廓）。这是通过findContours（）函数完成的：

contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
areas = []

for cnt in contours:
    area = cv2.contourArea(cnt)
    areas.append((area, cnt))

areas.sort(key=lambda x: x[0], reverse=True)
areas.pop(0) # remove biggest contour
x, y, w, h = cv2.boundingRect(areas[0][1]) # get bounding rectangle around biggest contour to crop to
img = cv2.rectangle(img, (x, y), (x+w, y+h), (255,0,0), 2)
crop = thresh[y:y+h, x:x+w] # crop to size

在裁剪到检测到的轮廓后，我们得到了以下图像：

最后，您可以使用HoughLines查找图像中最长的线，该线应该是半圆的边缘。这里你可以得到描述它的角度，ρ和θ，这很可能是你想知道的。如果我们取这些角度得到x，y点，然后像这样画在图像上：

edges = cv2.Canny(crop, 50, 150, apertureSize=3)
lines = cv2.HoughLines(edges, 1, np.pi/180, 200) # Find lines in image

img = cv2.cvtColor(crop, cv2.COLOR_GRAY2BGR) # Convert cropped black and white image to color to draw the red line
for rho, theta in lines[0]:
    a = np.cos(theta)
    b = np.sin(theta)
    x0 = a*rho
    y0 = b*rho
    x1 = int(x0 + 1000*(-b))
    y1 = int(y0 + 1000*(a))
    x2 = int(x0 - 1000*(-b))
    y2 = int(y0 - 1000*(a))

    cv2.line(img, (x1, y1), (x2, y2), (0, 0, 255), 2) # draw line

然后，我们可以确保检测到正确的线路，在这种情况下，这似乎很好：

---

希望这有助于为您指出正确的方向，至少手动将图像旋转到几个位置对我来说效果很好。第[0]行中的角度应该是您在此处查找的角度。

我对cv2.findContours有问题。它似乎返回3个值，而不是2个。除此之外，代码成功地检测并裁剪了图像，但在最后一步中没有找到行。还有一个问题，如果图片旋转超过180度，它将给出错误的结果，因为线条旋转超过180度。在黑色方块中使用白色小方块应该可以解决这个问题，并为图像添加180度的偏移，这取决于此，但我也不确定如何做到这一点

import cv2
webcam = cv2.VideoCapture(0)

def find_disk(frame,template):
    w, h = template.shape[::-1]
    res = cv2.matchTemplate(frame,template,cv2.TM_SQDIFF_NORMED)
    min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)
    top_left = min_loc
    bottom_right = (top_left[0] + w, top_left[1] + h)
    frame = frame[top_left[1]:bottom_right[1],top_left[0]:bottom_right[0]]
    return frame

def thresh_img(frame):
    frame = cv2.GaussianBlur(frame, (5, 5), 0)
    ret, thresh = cv2.threshold(frame, 0, 255, cv2.THRESH_BINARY+cv2.THRESH_OTSU)
    return thresh

def crop_disk(frame):
    _, contours, hierarchy = cv2.findContours(frame, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
    areas = []
    for cnt in contours:
        area = cv2.contourArea(cnt)
        areas.append((area, cnt))

    areas.sort(key=lambda x: x[0], reverse=True)
    areas.pop(0) # remove biggest contour
    if (len(areas)>0):
        x, y, w, h = cv2.boundingRect(areas[0][1]) # get bounding rectangle around biggest contour to crop to
        crop = frame[y:y+h, x:x+w]
    else:
        crop = frame
    return crop

def find_lines(frame):
    edges = cv2.Canny(frame, 50, 150, apertureSize=3)
    lines = cv2.HoughLines(edges, 1, np.pi/180, 200)
    if (lines!=None):
        print(lines)
        img = cv2.cvtColor(frame, cv2.COLOR_GRAY2BGR) # Convert cropped black and white image to color to draw the red line
        for rho, theta in lines[0]:
            a = np.cos(theta)
            b = np.sin(theta)
            x0 = a*rho
            y0 = b*rho
            x1 = int(x0 + 1000*(-b))
            y1 = int(y0 + 1000*(a))
            x2 = int(x0 - 1000*(-b))
            y2 = int(y0 - 1000*(a))

            return cv2.line(img, (x1, y1), (x2, y2), (0, 0, 255), 2)
    else:
        return frame

key = 0

while (key!=ord('q')):
    check, frame = webcam.read()
    if(grayScale):
        frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

    frame = find_lines(crop_disk(thresh_img(find_disk(frame,IMGn))))

    cv2.imshow("Capturing", frame)
    key = cv2.waitKey(1)
    #key = ord('q')

webcam.release()
cv2.destroyAllWindows()

这是一张示例输出的图片（我在手机上放了一张磁盘的图片，然后在相机前旋转它得到了这张图片）：

---

非常感谢您！这将有助于进一步的目标检测任务，以及很多！我遇到了一个问题，在最后一步中，行返回为“无”，未检测到任何边！我将把我的代码贴在下面作为答案。