Python 如何获取和存储楼层平面图像中房间的质心坐标？

我有一个由多个房间组成的平面图。使用Python，我希望找到每个房间的中心，并以（x，y）的形式存储坐标，以便进一步使用它们进行数学计算。现有的

drawContours

和

FindContours

函数有助于确定等高线，但如何将获得的值存储到列表中

该图像表示具有多个房间的示例楼层平面

我尝试使用

矩

，但该函数无法正常工作。

这是我的密码：

k= []
# Going through every contours found in the image. 
for cnt in contours : 

    approx = cv2.approxPolyDP(cnt, 0.009 * cv2.arcLength(cnt, True), True) 

    # draws boundary of contours. 
    cv2.drawContours(img, [approx], -1, (0, 0,255), 3)  

    # Used to flatted the array containing 
    # the co-ordinates of the vertices. 
    n = approx.ravel()  
    i = 0
    x=[]
    y=[]

    for j in n : 
        if(i % 2 == 0): 
            x = n[i] 
            y = n[i + 1]



            # String containing the co-ordinates. 
            string = str(x) + " ," + str(y)  


            if(i == 0): 
                # text on topmost co-ordinate. 
                cv2.putText(img, string, (x, y), 
                                font, 0.5, (255, 0, 0))
                k.append(str((x, y))) 


            else: 
                # text on remaining co-ordinates. 
                cv2.putText(img, string, (x, y),  
                          font, 0.5, (0, 255, 0))  
                k.append(str((x, y)))

        i = i + 1


# Showing the final image. 
cv2_imshow( img )  
# Exiting the window if 'q' is pressed on the keyboard. 
if cv2.waitKey(0) & 0xFF == ord('q'):  
    cv2.destroyAllWindows()

---

这里有一个简单的方法：

获取二值图像。加载图像、灰度和

删除文本。然后我们使用过滤来删除小于某个阈值的轮廓。我们通过使用填充来有效地删除这些轮廓

找到矩形框并获得质心坐标。我们再次找到轮廓，然后使用轮廓区域和进行过滤。然后，我们找到每个轮廓的矩，这些矩为我们提供了

---

下面是一个可视化：

删除文本

结果

坐标

[(93, 241), (621, 202), (368, 202), (571, 80), (317, 79), (93, 118)]

代码

导入cv2
将numpy作为np导入
#加载图像、灰度、大津阈值
image=cv2.imread（'1.png'）
灰色=cv2.CVT颜色（图像，cv2.COLOR\u BGR2GRAY）
thresh=cv2.阈值（灰色，0，255，cv2.thresh\u二进制\u INV+cv2.thresh\u OTSU）[1]
#删除文本
cnts=cv2.查找对象（阈值、cv2.RETR\u树、cv2.链近似值、简单值）
如果len（cnts）==2个其他cnts[1]，则cnts=cnts[0]
对于碳纳米管中的碳：
面积=cv2。轮廓面积（c）
如果面积小于1000：
cv2.拉深轮廓（阈值[c]，-1,0，-1）
thresh=255-thresh
结果=cv2.CVT颜色（阈值，cv2.COLOR_GRAY2BGR）
坐标=[]
#找到矩形框并获得质心坐标
cnts=cv2.查找对象（阈值、cv2.RETR\u树、cv2.链近似值、简单值）
如果len（cnts）==2个其他cnts[1]，则cnts=cnts[0]
对于碳纳米管中的碳：
面积=cv2。轮廓面积（c）
peri=cv2.弧长（c，真）
近似值=cv2.近似聚合度（c，0.05*peri，真）
如果len（近似值）=4且面积<100000：
#cv2.等高线图（结果[c]，-1，（36255,12），1）
M=cv2.力矩（c）
cx=int（M['m10']/M['m00']
cy=int（M['m01']/M['m00']
坐标。追加（（cx，cy））
cv2.圆（结果（cx，cy），3，（36255,12），-1）
cv2.putText（result，（{}，{}）.format（int（cx），int（cy）），（int（cx）-40，int（cy）-10），cv2.FONT\u HERSHEY\u SIMPLEX，0.5，（36255,12），2）
打印（坐标）
cv2.imshow（'thresh'，thresh）
cv2.imshow（“图像”，图像）
cv2.imshow（“结果”，结果）
cv2.waitKey（）

你说瞬间不起作用。但您不显示代码。请始终提供您的代码，以便其他人可以看到您是否有错误。一旦你有了轮廓，你可以得到边界框，从中你可以很容易地计算出中心。不，对于瞬间，它给出零误差。这就是为什么我没有包括它你仍然没有显示你的质心代码。给定有效轮廓，您应该能够从以下位置获取质心：`M=cv2.矩（cntr）cx=int（M[“m10”]/M[“m00”]）cy=int（M[“m01”]/M[“m00”]）`

import cv2
import numpy as np

# Load image, grayscale, Otsu's threshold
image = cv2.imread('1.png')
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)[1]

# Remove text
cnts = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]
for c in cnts:
    area = cv2.contourArea(c)
    if area < 1000:
        cv2.drawContours(thresh, [c], -1, 0, -1)

thresh = 255 - thresh
result = cv2.cvtColor(thresh, cv2.COLOR_GRAY2BGR)
coordinates = []

# Find rectangular boxes and obtain centroid coordinates
cnts = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]
for c in cnts:
    area = cv2.contourArea(c)
    peri = cv2.arcLength(c, True)
    approx = cv2.approxPolyDP(c, 0.05 * peri, True)
    if len(approx) == 4 and area < 100000:
        # cv2.drawContours(result, [c], -1, (36,255,12), 1)
        M = cv2.moments(c)
        cx = int(M['m10']/M['m00'])
        cy = int(M['m01']/M['m00'])
        coordinates.append((cx, cy))
        cv2.circle(result, (cx, cy), 3, (36,255,12), -1)
        cv2.putText(result, '({}, {})'.format(int(cx), int(cy)), (int(cx) -40, int(cy) -10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (36,255,12), 2)

print(coordinates)
cv2.imshow('thresh', thresh)
cv2.imshow('image', image)
cv2.imshow('result', result)
cv2.waitKey()