使用 Opencv 检测图像中矩形的中心和角度

Question

我有一张图片如下：

我需要找出矩形的数量、每个矩形的中心以及平行于通过中心的矩形长边的轴之间的角度，并从 [=20 开始测量逆时针方向的角度=] 发现了 image.I 中的矩形数量，我很震惊地发现 reflection.Finding 中心的中心和角度通过瞬间没有给我正确的答案。

我的代码：

import cv2
import numpy as np 
import sys

img = cv2.imread(str(sys.argv[1]),0)
ret,thresh = cv2.threshold(img,127,255,0)
contours,hierarchy = cv2.findContours(thresh,1,2)



for contour in contours:
    area = cv2.contourArea(contour)
    if area>100000:
        contours.remove(contour)




cnt = contours[0]

epsilon = 0.02*cv2.arcLength(cnt,True)
approx = cv2.approxPolyDP(cnt,epsilon,True)

print 'No of rectangles',len(approx)


#finding the centre of the contour
M = cv2.moments(cnt)

cx = int(M['m10']/M['m00'])
cy = int(M['m01']/M['m00'])

print cx,cy

Answer 1

以下是您的操作方法：

为了检测每个模式（在你的例子中是矩形）连接的组件标记
将不同图像中的图案分开
（可选）如果图案不都是矩形，则使用形状索引来区分它们
使用主成分分析 (PCA) 计算主轴，它将为您提供所需的角度。

Answer 2

approx = cv2.approxPolyDP(cnt,epsilon,True) 创建给定闭合轮廓的近似多边形。多边形中的线段长度可变，导致矩计算不正确，因为它期望从规则网格中采样点以提供正确的中心。

您的问题有以下三种解决方案：

在调用多边形逼近方法之前使用原始轮廓的矩。
使用 drawContours 生成每个封闭轮廓内区域的蒙版，然后使用生成的蒙版的矩计算中心。
沿闭合多边形的每条线段以单位距离采样点，并使用生成的点集合自行计算矩。这应该给你相同的中心。

Answer 3

这就是使用 openCV 的 minAreaRect 函数可以做到的。它是用 C++ 编写的，但您可能可以轻松适应它，因为几乎只使用了 OpenCV 函数。

    cv::Mat input = cv::imread("../inputData/rectangles.png");

    cv::Mat gray;
    cv::cvtColor(input,gray,CV_BGR2GRAY);

    // since your image has compression artifacts, we have to threshold the image
    int threshold = 200;
    cv::Mat mask = gray > threshold;

    cv::imshow("mask", mask);

    // extract contours
    std::vector<std::vector<cv::Point> > contours;
    cv::findContours(mask, contours, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_NONE);

    for(int i=0; i<contours.size(); ++i)
    {
        // fit bounding rectangle around contour
        cv::RotatedRect rotatedRect = cv::minAreaRect(contours[i]);

        // read points and angle
        cv::Point2f rect_points[4]; 
        rotatedRect.points( rect_points );

        float  angle = rotatedRect.angle; // angle

        // read center of rotated rect
        cv::Point2f center = rotatedRect.center; // center

        // draw rotated rect
        for(unsigned int j=0; j<4; ++j)
            cv::line(input, rect_points[j], rect_points[(j+1)%4], cv::Scalar(0,255,0));

        // draw center and print text
        std::stringstream ss;   ss << angle; // convert float to string
        cv::circle(input, center, 5, cv::Scalar(0,255,0)); // draw center
        cv::putText(input, ss.str(), center + cv::Point2f(-25,25), cv::FONT_HERSHEY_COMPLEX_SMALL, 1, cv::Scalar(255,0,255)); // print angle
    }

生成这张图片：

如您所见，角度可能不是您想要的（因为它们随机使用较长或较小的线作为参考）。您可以改为提取矩形的较长边并手动计算角度。

如果您选择旋转矩形的较长边并从中计算角度，它看起来像这样：

// choose the longer edge of the rotated rect to compute the angle
        cv::Point2f edge1 = cv::Vec2f(rect_points[1].x, rect_points[1].y) - cv::Vec2f(rect_points[0].x, rect_points[0].y);
        cv::Point2f edge2 = cv::Vec2f(rect_points[2].x, rect_points[2].y) - cv::Vec2f(rect_points[1].x, rect_points[1].y);

        cv::Point2f usedEdge = edge1;
        if(cv::norm(edge2) > cv::norm(edge1))
            usedEdge = edge2;

        cv::Point2f reference = cv::Vec2f(1,0); // horizontal edge


        angle = 180.0f/CV_PI * acos((reference.x*usedEdge.x + reference.y*usedEdge.y) / (cv::norm(reference) *cv::norm(usedEdge)));

给出这个结果，应该就是你要找的！

编辑：操作员似乎没有使用他发布的输入图像，因为参考矩形中心会位于图像之外。

使用这个输入（手动重新缩放但可能仍然不是最佳的）：

我得到了这些结果（蓝点是操作提供的参考矩形中心）：

将参考与检测进行比较：

reference (x,y,angle)    detection (x,y,angle)
(320,240,0)              (320, 240, 180) // angle 180 is equal to angle 0 for lines
(75,175,90)              (73.5, 174.5, 90)
(279,401,170)            (279.002, 401.824, 169.992)
(507,379,61)             (507.842, 379.75, 61.1443)
(545,95,135)             (545.75, 94.25, 135)
(307,79,37)              (306.756, 77.8384, 37.1042)

虽然我很想看到真实的输入图像，也许结果会更好。

使用 Opencv 检测图像中矩形的中心和角度

Detect centre and angle of rectangles in an image using Opencv

python

opencv

image-processing

computer-vision