目标是找到代表“孔”和外边缘之间距离的线。 Canny 边缘检测是最好的方法吗？

Question

目标是找到代表“洞”和外边缘（从黑色到白色的过渡）之间的距离的线。我能够成功地将这张照片二值化并获得非常干净的黑白图像。下一步是在其上找到（几乎）垂直线，并计算到该垂直线中点和孔的垂直距离。

original picture hole - zoomed in

ps：我所说的“洞”是一个影子。我正在将激光射入一个洞中。所以我们可以看到的线条是钢，没有线条的黑色部分是一个孔。两条白线作为测量距离的参考。

Canny 边缘检测是最好的方法吗？如果是这样，A、B 和 C 参数的好值是多少？我调不出来我的噪音太大了。

Answer 1

这还不完整；您必须花时间才能达到最终结果。但这个想法可能会对您有所帮助。

预处理器：

import os
import cv2
import numpy as np

主要代码：

# Read original image
dir = os.path.abspath(os.path.dirname(__file__))
im = cv2.imread(dir+'/'+'im.jpg')
h, w = im.shape[:2]
print(w, h)

# Convert image to Grayscale
imGray = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY)
cv2.imwrite(dir+'/im_1_grayscale.jpg', imGray)

# Eliminate noise and display laser light better
imHLine = imGray.copy()
imHLine = cv2.GaussianBlur(imHLine, (0, 9), 21)  # 5, 51
cv2.imwrite(dir+'/im_2_h_line.jpg', imHLine)

# Make a BW mask to find the ROI of laser array
imHLineBW = cv2.threshold(imHLine, 22, 255, cv2.THRESH_BINARY)[1]
cv2.imwrite(dir+'/im_3_h_line_bw.jpg', imHLineBW)

# Remove noise with mask and extract just needed area
imHLineROI = imGray.copy()
imHLineROI[np.where(imHLineBW == 0)] = 0
imHLineROI = cv2.GaussianBlur(imHLineROI, (0, 3), 6)
imHLineROI = cv2.threshold(imHLineROI, 25, 255, cv2.THRESH_BINARY)[1]  # 22
cv2.imwrite(dir+'/im_4_ROI.jpg', imHLineROI)

# Found laser array and draw box around it
cnts, _ = cv2.findContours(
    imHLineROI, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnts.sort(key=lambda x: cv2.boundingRect(x)[0])
pts = []
for cnt in cnts:
    x2, y2, w2, h2 = cv2.boundingRect(cnt)
    if h2 < h/10:
        cv2.rectangle(im, (x2, y2), (x2+w2, y2+h2), (0, 255, 0), 1)
        pts.append({'x': x2, 'y': y2, 'w': w2, 'h': h2})

circle = {
    'left': (pts[0]['x']+pts[0]['w'], pts[0]['y']+pts[0]['h']/2),
    'right': (pts[1]['x'], pts[1]['y']+pts[1]['h']/2),
}
circle['center'] = calculateMiddlePint(circle['left'], circle['right'])
circle['radius'] = (circle['right'][0]-circle['left'][0])//2

# Draw line and Circle inside it
im = drawLine(im, circle['left'], circle['right'], color=(27, 50, 120))
im = cv2.circle(im, circle['center'], circle['radius'], (255, 25, 25), 3)

# Remove pepper/salt noise to find metal edge
imVLine = imGray.copy()
imVLine = cv2.medianBlur(imVLine, 17)
cv2.imwrite(dir+'/im_6_v_line.jpg', imVLine)

# Remove remove the shadows to find metal edge
imVLineBW = cv2.threshold(imVLine, 50, 255, cv2.THRESH_BINARY)[1]
cv2.imwrite(dir+'/im_7_v_bw.jpg', imVLineBW)

# Finding the right vertical edge of metal
y1, y2 = h/5, h-h/5
x1 = horizantalDistance(imVLineBW, y1)
x2 = horizantalDistance(imVLineBW, y2)
pt1, pt2 = (x1, y1), (x2, y2)
imVLineBW = drawLine(imVLineBW, pt1, pt2)
cv2.imwrite(dir+'/im_8_v_bw.jpg', imVLineBW)

# Draw lines
im = drawLine(im, pt1, pt2)
im = drawLine(im, calculateMiddlePint(pt1, pt2), circle['center'])

# Draw final image
cv2.imwrite(dir+'/im_8_output.jpg', im)

---

额外功能：
查找一行图片中的第一个白色像素：

# This function only processes on a horizontal line of the image
# Its job is to examine the pixels one by one from the right and
# report the distance of the first white pixel from the right of
# the image.
def horizantalDistance(im, y):
    y = int(y)
    h, w = im.shape[:2]
    for i in range(0, w):
        x = w-i-1
        if im[y][x] == 255:
            return x
    return -1

在opencv中画一条线：

def drawLine(im, pt1, pt2, color=(128, 0, 200), thickness=2):
    return cv2.line(
        im,
        pt1=(int(pt1[0]), int(pt1[1])),
        pt2=(int(pt2[0]), int(pt2[1])),
        color=color,
        thickness=thickness,
        lineType=cv2.LINE_AA  # Anti-Aliased
    )

计算两个二维点的中点：

def calculateMiddlePint(p1, p2):
    return (int((p1[0]+p2[0])/2), int((p1[1]+p2[1])/2))

---

输出：
原图：

消除噪音和处理以更好地查看激光阵列：

找到激光区域提取孔：

处理另一张图片以找到金属物体的右侧：

移除阴影以更好地查看右边缘：

最终输出：

---

我首先定义了一个 ROI 区域。我后来更改了代码，但没有更改变量的名称。如果有人问你。

Answer 2

您可以尝试二值化 Canny 或直接二值化图像 (Otsu) 之一。在这两种情况下，您都将获得一条准直线，您可以从中提取每行左右最右边的白色像素。

然后对这些点使用线拟合（取决于图像质量，拟合是否稳健）。

---

根据实际情况校准该方法是明智的，因为您正在关注的边缘与渐变区域接壤，并且边缘的位置可能会偏移几个像素。

Answer 3

你不能使用 fft 吗？边缘通常具有低频，这是经过高通滤波和反 fft 后会突出的。