问 使用Python /计算机视觉等获取图像中的顶点？(图片附后)

EN

我想你可能想先用霍夫线变换来找到线。然后，你可以从检测到的线路中得到交叉口。您可以找到OpenCV关于Hough线变换 这里 的教程。

下面是使用Hough线性变换的结果：

​

代码：

import numpy as np
import cv2 as cv2
import math
img_path = 'hSAdf.png'
# Read the original image
img = cv2.imread(img_path) 
# Convert to graycsale
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
dst = cv2.threshold(img_gray, 50, 255, cv2.THRESH_BINARY)[1]
cdst = cv2.cvtColor(dst, cv2.COLOR_GRAY2BGR)
lines = cv2.HoughLines(dst, 1, np.pi / 180, 180, None, 0, 0)
# Drawing the lines
if lines is not None:
    for i in range(0, len(lines)):
        rho = lines[i][0][0]
        theta = lines[i][0][1]
        a = math.cos(theta)
        b = math.sin(theta)
        x0 = a * rho
        y0 = b * rho
        pt1 = (int(x0 + 10000*(-b)), int(y0 + 10000*(a)))
        pt2 = (int(x0 - 10000*(-b)), int(y0 - 10000*(a)))
        cv2.line(cdst, pt1, pt2, (0,0,255), 3, cv2.LINE_AA)
cv2.imshow("Detected Lines (in red) - Standard Hough Line Transform", cdst)
cv2.imwrite("output.png", cdst)
cv2.waitKey(0)

这里我没有使用Canny边缘检测，因为我认为图像本身是非常清晰的，这使得边缘检测变得多余。

函数 HoughLines() 返回以像素为单位的rho和以弧度表示的θ，它们对应于直线方程：

​

​

编辑1: rho，theta和m，c之间的简单转换：

M=tan(θ+ PI/2)

C= rho /sin(θ)

​

来自 索克雷特·李 的图像

我认为您可以继续调整线路检测功能。您可以手动调整阈值，甚至在函数中限制直线的梯度。然后，可以通过裁剪和限制梯度来瞄准一行。

或者你可以拒绝有90度差的线的交点。然后，你会得到你需要的分数。

使用 轮廓检测 和近似，您可以得到外部顶点，并计算它们：

​

​

173197 225 596 610 2102 2118 1732

#!/usr/bin/python3
# -*- coding: utf-8 -*-
import cv2
import numpy as np
img = cv2.imread("input.png", 0)
def fillhole(input_image):
    input gray binary image  get the filled image by floodfill method
    Note: only holes surrounded in the connected regions will be filled.
    :param input_image:
    :return:
    im_flood_fill = input_image.copy()
    h, w = input_image.shape[:2]
    mask = np.zeros((h + 2, w + 2), np.uint8)
    im_flood_fill = im_flood_fill.astype("uint8")
    cv2.floodFill(im_flood_fill, mask, (0, 0), 255)
    im_flood_fill_inv = cv2.bitwise_not(im_flood_fill)
    img_out = input_image | im_flood_fill_inv
    return img_out 
res = fillhole(img)
contours = cv2.findContours(res, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[0]
peri = cv2.arcLength(contours[945], True)
approx = cv2.approxPolyDP(contours[945], 0.04 * peri, True)
im = cv2.cvtColor(img, cv2.COLOR_GRAY2BGR)
s = 10
for p in approx:
    p = p[0]
    print(p)
    im[p[1]-s:p[1]+s, p[0]-s:p[0]+s] = (255, 255, 0)