Python “如何检测角点”；“关节”；连接图像上的元素？

我通过Python 3.7使用OpenCV。我有一组单色图像，看起来像这样：

我想找到这些图像上的所有“关节点”，其中“关节点”是两块木板的每个交点的中心（1像素）。这些“关节”大致由下图中的红色圆环表示：

第一个想法是对图像进行骨架化，然后通过算法找到所有连接的边缘，但所有骨架化技术都给了我扭曲或圆角以及额外的“萌芽”

结果:

第二个想法是找到内部轮廓，将它们近似到边界点，找到最近的邻居，然后以某种方式计算中心，但是，同样，精明的边缘检测方法给了我扭曲的角落和额外的点

import cv2

image = cv2.imread("SOURCE_IMAGE.jpg", cv2.IMREAD_GRAYSCALE)
edged = cv2.Canny(image, 100, 200)

结果:

---

这个问题有可靠的解决方法吗？

这是我解决这个问题的方法：

确定垂直线

确定水平线

找出它们的交点，这些交点是关节

第一步，检查每一列，确定细线并使其变为黑色（0）。结果只会是垂直线。对于第二步，请执行相反的操作。 最后，将垂直线图像与水平线图像进行比较。两者中的白色（255）像素是交点

<强>注：请不要因为C++中的编码而责备我。我不熟悉python，我只是想展示我的方法和结果

以下是代码和结果：

资料来源：

垂直线：

水平线：

结果:

守则：

#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <iostream>
using namespace std;
using namespace cv;

int main()
{
    Mat img = imread("/ur/image/directory/joints.jpg",1);

    imshow("Source",img);

    int checker = 1,checker2 = 1;
    int begin_y,finish_y2,finish_y,begin_y2;
    Mat vertical_img = img.clone();
    Mat horizontal_img = img.clone();

    cvtColor(vertical_img,vertical_img,CV_BGR2GRAY);
    cvtColor(horizontal_img,horizontal_img,CV_BGR2GRAY);

    int finish_checker = 0,finish_checker2=0;
    for(int i=0;i<horizontal_img.rows;i++)
    {
        for(int j=0;j<horizontal_img.cols;j++)
        {
            if(horizontal_img.at<uchar>(Point(j,i))>100 && checker)
            {
                begin_y = j;
                checker = 0;
            }

            if(horizontal_img.at<uchar>(Point(j,i))<20 && checker==0)
            {
                finish_y = j;
                checker = 1;
                finish_checker = 1;

            }

            if(finish_checker)
            {
                if((finish_y-begin_y)<30)
                {
                    for(int h=begin_y-2;h<=finish_y;h++)
                    {
                        horizontal_img.at<uchar>(Point(h,i)) = 0;
                    }
                }

                finish_checker = 0;
            }
        }
    }

    imshow("Horizontal",horizontal_img);

    for(int i=0;i<vertical_img.cols;i++)
    {
        for(int j=0;j<vertical_img.rows;j++)
        {
            if(vertical_img.at<uchar>(Point(i,j))>100 && checker2)
            {
                begin_y2 = j;
                checker2 = 0;
            }
            if(vertical_img.at<uchar>(Point(i,j))<50 && checker2==0)
            {
                finish_y2 = j;
                checker2 = 1;
                finish_checker2 = 1;
            }
            if(finish_checker2)
            {
                if((finish_y2-begin_y2)<30)
                {
                    for(int h=begin_y2-2;h<=finish_y2;h++)
                    {
                        vertical_img.at<uchar>(Point(i,h)) = 0;
                    }
                }
                finish_checker2 = 0;
            }
        }
    }
    imshow("Vertical",vertical_img);

    for(int y=0;y<img.cols;y++)
    {
        for(int z=0;z<img.rows;z++)
        {
            if(vertical_img.at<uchar>(Point(y,z))>200 && horizontal_img.at<uchar>(Point(y,z))>200)
            {
                img.at<cv::Vec3b>(z,y)[0]=0;
                img.at<cv::Vec3b>(z,y)[1]=0;
                img.at<cv::Vec3b>(z,y)[2]=255;
            }
        }
    }

    imshow("Result",img);
    waitKey(0);
    return 0;
}

#包括
#包括
#包括
使用名称空间std；
使用名称空间cv；
int main（）
{
Mat img=imread（“/ur/image/directory/joints.jpg”，1）；
imshow（“来源”，img）；
int checker=1，checker2=1；
int begin_y，finish_y2，finish_y，begin_y2；
Mat vertical_img=img.clone（）；
Mat horizontal_img=img.clone（）；
CVT颜色（垂直、垂直、灰色）；
CVT颜色（水平、水平、灰色）；
int finish\u checker=0，finish\u checker=0；
对于（int i＝0；i）这里使用Python而不是C++的方法的一个稍微修改的版本。
获取二值图像。加载图像，转换为灰度，然后

获取水平和垂直线条遮罩。使用创建水平和垂直结构元素，然后执行以隔离线条

找到关节。我们将两个面具放在一起以获得关节

在关节遮罩上找到质心。然后我们计算


水平/垂直线遮罩



检测到绿色接头


结果


你看过卷积吗？你是说卷积网络吗？它们不太可能对我有帮助，因为类是高度不平衡的。我的意思是卷积是图像处理操作。调整内核可以突出显示你正在寻找的信息（关节）：很好的方法，在获得红色方框后，您可以更进一步，找到质心以获得准确的点。是的，在红色方框后，也可以很容易地找到一步质心。我将尝试将其添加到后面。确实很好的方法！但是对角线呢？我假设不可能正确提取它们，因为角度可能不同呃。@SagRU垂直和水平都不包括的区域是对角线或其他。你可以从这一点继续使用对角线。@Nathance在这种情况下使用高斯模糊和大津阈值的原因是什么？没有噪声，图像总是黑白的，所以我假设基本阈值就足够了。高斯模糊是为了确保没有小颗粒的噪声，大津的阈值是为了确保它是一个二值图像（1通道0或255）。如果你只是灰度化，它不是一个二进制图像。基本阈值就足够了，但我想自动计算阈值，这样它就不会是硬编码的value@nathancy虽然我最终采用了一种不同的、更复杂的方法，但我同意您的解决方案是所有答案中最好的（衷心感谢Yunus Temulenk的贡献）。
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <iostream>
using namespace std;
using namespace cv;

int main()
{
    Mat img = imread("/ur/image/directory/joints.jpg",1);

    imshow("Source",img);

    int checker = 1,checker2 = 1;
    int begin_y,finish_y2,finish_y,begin_y2;
    Mat vertical_img = img.clone();
    Mat horizontal_img = img.clone();

    cvtColor(vertical_img,vertical_img,CV_BGR2GRAY);
    cvtColor(horizontal_img,horizontal_img,CV_BGR2GRAY);

    int finish_checker = 0,finish_checker2=0;
    for(int i=0;i<horizontal_img.rows;i++)
    {
        for(int j=0;j<horizontal_img.cols;j++)
        {
            if(horizontal_img.at<uchar>(Point(j,i))>100 && checker)
            {
                begin_y = j;
                checker = 0;
            }

            if(horizontal_img.at<uchar>(Point(j,i))<20 && checker==0)
            {
                finish_y = j;
                checker = 1;
                finish_checker = 1;

            }

            if(finish_checker)
            {
                if((finish_y-begin_y)<30)
                {
                    for(int h=begin_y-2;h<=finish_y;h++)
                    {
                        horizontal_img.at<uchar>(Point(h,i)) = 0;
                    }
                }

                finish_checker = 0;
            }
        }
    }

    imshow("Horizontal",horizontal_img);

    for(int i=0;i<vertical_img.cols;i++)
    {
        for(int j=0;j<vertical_img.rows;j++)
        {
            if(vertical_img.at<uchar>(Point(i,j))>100 && checker2)
            {
                begin_y2 = j;
                checker2 = 0;
            }
            if(vertical_img.at<uchar>(Point(i,j))<50 && checker2==0)
            {
                finish_y2 = j;
                checker2 = 1;
                finish_checker2 = 1;
            }
            if(finish_checker2)
            {
                if((finish_y2-begin_y2)<30)
                {
                    for(int h=begin_y2-2;h<=finish_y2;h++)
                    {
                        vertical_img.at<uchar>(Point(i,h)) = 0;
                    }
                }
                finish_checker2 = 0;
            }
        }
    }
    imshow("Vertical",vertical_img);

    for(int y=0;y<img.cols;y++)
    {
        for(int z=0;z<img.rows;z++)
        {
            if(vertical_img.at<uchar>(Point(y,z))>200 && horizontal_img.at<uchar>(Point(y,z))>200)
            {
                img.at<cv::Vec3b>(z,y)[0]=0;
                img.at<cv::Vec3b>(z,y)[1]=0;
                img.at<cv::Vec3b>(z,y)[2]=255;
            }
        }
    }

    imshow("Result",img);
    waitKey(0);
    return 0;
}

import cv2
import numpy as np

# Load image, grayscale, Gaussian blur, Otsus threshold
image = cv2.imread('1.jpg')
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
blur = cv2.GaussianBlur(gray, (3,3), 0)
thresh = cv2.threshold(blur, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)[1]

# Find horizonal lines
horizontal_kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (10,1))
horizontal = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, horizontal_kernel, iterations=2)

# Find vertical lines
vertical_kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (1,10))
vertical = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, vertical_kernel, iterations=2)

# Find joints
joints = cv2.bitwise_and(horizontal, vertical)

# Find centroid of the joints
cnts = cv2.findContours(joints, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]
for c in cnts:
    # Find centroid and draw center point
    M = cv2.moments(c)
    cx = int(M['m10']/M['m00'])
    cy = int(M['m01']/M['m00'])
    cv2.circle(image, (cx, cy), 3, (36,255,12), -1)

cv2.imshow('thresh', thresh)
cv2.imshow('horizontal', horizontal)
cv2.imshow('vertical', vertical)
cv2.imshow('joints', joints)
cv2.imshow('image', image)
cv2.waitKey()