图像处理Opencv Python中的角点检测

Question

我有一个盒子的图像。我正在尝试检测角落并从圆圈中标记这些角落。我为此使用以下代码：

import cv2
import numpy as np

img_file = 'Image.jpg'
img = cv2.imread(img_file, cv2.IMREAD_COLOR)

imgDim = img.shape
dimA = imgDim[0]
dimB = imgDim[1]

# RGB to Gray scale conversion
img_gray = cv2.cvtColor(img,cv2.COLOR_RGB2GRAY)
# Noise removal with iterative bilateral filter(removes noise while preserving edges)
noise_removal = cv2.bilateralFilter(img_gray,9,75,75)
# Thresholding the image
ret,thresh_image = cv2.threshold(noise_removal,220,255,cv2.THRESH_OTSU)
th = cv2.adaptiveThreshold(noise_removal, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 11, 2)

# Applying Canny Edge detection
canny_image = cv2.Canny(th,250,255)
canny_image = cv2.convertScaleAbs(canny_image)

# dilation to strengthen the edges
kernel = np.ones((3,3), np.uint8)
# Creating the kernel for dilation
dilated_image = cv2.dilate(canny_image,kernel,iterations=1)
np.set_printoptions(threshold=np.nan)

_, contours, h = cv2.findContours(dilated_image, 1, 2)
contours= sorted(contours, key = cv2.contourArea, reverse = True)[:1]


corners    = cv2.goodFeaturesToTrack(thresh_image,6,0.06,25)
corners    = np.float32(corners)

for item in corners:
    x,y    = item[0]
    cv2.circle(img,(x,y),10,255,-1)
cv2.namedWindow("Corners", cv2.WINDOW_NORMAL)
cv2.imshow("Corners",img)
cv2.waitKey()

此代码将返回带有圆圈的指向边缘的图像，但您可以看到两条边缘（框背面的边缘）被错误地检测到。我知道在确定角点时存在一些问题，因为这里我们只是在绘制角点。谁能指导我哪里做错了？谢谢

Answer 1

@Jeru 卢克。为什么不根据您 step1 的结果数据进行 Harriscornering？

1. 我对灰度图像进行了双边滤波。
2. 使用 Canny 边缘检测找到边缘。
3. 使用形态膨胀增强边缘。

如果你这样做，角落上的画会整齐并符合线条，对吗？

Answer 2

我不会说我已经达到了最佳解决方案，但是经过大量编码后，我能够获得以下内容：

为了获得它，我遵循了以下步骤：

1.第一：获取盒子的边缘

• 我对灰度图像进行了双边过滤。
• 使用 Canny 边缘检测 找到边缘。
• 使用形态膨胀增强边缘。

这是上面的结果：

现在当我进行拐角检测时，我一点也不满意：

那我做了什么？

2.寻找所需的角落

• 我使用大小为 9x9 的窗口模糊放大的图像。
• 然后将 Harris 角点检测 应用到这个模糊的图像。

结果我得到了这个：

我知道它并不完美，但它总是可以微调的。

这是角点检测的代码：

dst = cv2.cornerHarris(dilate,2,3,0.04)
#----result is dilated for marking the corners, not important-------------
dst = cv2.dilate(dst,None) 
#----Threshold for an optimal value, it may vary depending on the image---
img[dst>0.01*dst.max()]=[0,0,255]