【问题标题】:Opencv trace lines from dotted image来自虚线图像的 Opencv 跟踪线
【发布时间】:2020-10-14 09:25:00
【问题描述】:

我有以下图片:名为“Normalized.png”。我正在尝试从虚线绘制实线。

我尝试过类似霍夫线变换的方法:

import cv2
import numpy as np

img = cv2.imread('Normalised.png')
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
edges = cv2.Canny(gray,50,150,apertureSize = 3)
minLineLength = 100
maxLineGap = 10
lines = cv2.HoughLinesP(edges,1,np.pi/180,100,minLineLength,maxLineGap)
for x1,y1,x2,y2 in lines[0]:
    cv2.line(img,(x1,y1),(x2,y2),(0,255,0),2)

cv2.imwrite('houghlines5.jpg',img)

但似乎代码在“边缘”上失败,因为没有检测到“边缘”。

输入图像

预期的输出图像

如何实现这个输出?

【问题讨论】:

标签: python python-3.x opencv machine-learning image-processing


【解决方案1】:

默认情况下,HoughLinesP 适用于直线。但是,您可以使用 cv2.HOUGH_PROBABILISTIC 检测 曲线,如下所示:

img = cv.imread("Dilate.png")

gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
edges = cv.Canny(gray, 150, 200, apertureSize=3)
cv.imwrite("Canny.png", edges)
element = cv.getStructuringElement(cv.MORPH_RECT, (5, 3), (-1, -1))
dilated = cv.dilate(edges, element)
cv.imwrite("Eroded.png", dilated)

minLineLength = 200
maxLineGap = 5

lines = cv.HoughLinesP(dilated, cv.HOUGH_PROBABILISTIC, np.pi/180, 150, minLineLength, 
                       maxLineGap)

for x in range(0, len(lines)):
    for x1, y1, x2, y2 in lines[x]:
        pts = np.array([[x1, y1], [x2, y2]], np.int32)
        cv.polylines(img, [pts], True, (0, 255, 0))

cv.imwrite('dilate_final.png', img)

注意线条是如何绘制的。

结果不完全是你想要的,但很接近,需要你调整我将为你留下的参数。希望对您有所帮助!

【讨论】:

    【解决方案2】:

    一个可能的方案(尽管整个任务看起来很绝望):

    • 选择少数方向(比如5个)均匀分布;

    • 每个方向,

      • 在该方向上平滑(f.i. 具有非常拉长的高斯)或

      • 朝那个方向侵蚀(使用线性结构元素),或两者兼而有之,以更好地连接点,

      • 用阈值二值化,使点接触,

      • 应用形态加粗以获得细黑线。

    • 组合所有如此获得的地图(最大操作),

    • 清理。

    【讨论】:

      猜你喜欢
      • 1970-01-01
      • 2015-06-20
      • 2020-07-29
      • 2022-11-08
      • 2017-07-04
      • 2014-12-28
      • 2011-07-11
      • 2014-08-14
      • 1970-01-01
      相关资源
      最近更新 更多