使用opencv和python进行激光曲线检测

Question

我已经取出了这张图片的激光曲线：

_{（来源：hostingpics.net）}

现在，我正在尝试获得一组点（越多越好），它们位于这条曲线的中间。 我试图将图像分成垂直条纹，然后检测质心。 但是它并没有计算很多点，而且一点也不令人满意！

img = cv2.Canny(img,50,150,apertureSize = 3)
sub = 100
step=int(img.shape[1]/sub)
centroid=[]
for i in range(sub):
    x0= i*step
    x1=(i+1)*step-1
    temp = img[:,x0:x1]
    hierarchy,contours,_ = cv2.findContours(temp, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
    if contours <> []:   
        for i in contours :     
            M = cv2.moments(i)
            if M['m00'] <> 0:
            centroid.append((x0+int(M['m10']/M['m00']),(int(M['m01']/M['m00']))))

我也试过cv2.fitLine()，但也不满意。 我怎样才能有效地检测到这条曲线中间的点？问候。

Answer 1

我认为由于以下两个原因，您获得的分数较少：

• 使用边缘检测器：根据阈值，有时边缘可能无法合理地表示曲线
• 使用大步长对图像进行采样

请尝试以下方法。

# threshold the image using a threshold value 0
ret, bw = cv2.threshold(img, 0, 255, cv2.THRESH_BINARY)
# find contours of the binarized image
contours, heirarchy = cv2.findContours(bw, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
# curves
curves = np.zeros((img.shape[0], img.shape[1], 3), np.uint8) 

for i in range(len(contours)):
    # for each contour, draw the filled contour
    draw = np.zeros((img.shape[0], img.shape[1]), np.uint8) 
    cv2.drawContours(draw, contours, i, (255,255,255), -1)
    # for each column, calculate the centroid
    for col in range(draw.shape[1]):
        M = cv2.moments(draw[:, col])
        if M['m00'] != 0:
            x = col
            y = int(M['m01']/M['m00'])
            curves[y, x, :] = (0, 0, 255)

我得到这样的曲线：

您还可以使用距离变换，然后获取与单个轮廓的每一列的最大距离值关联的行。