实用技巧 | OpenCV快速计算直线/网格线交点坐标(附源码)
导读
本期将介绍使用OpenCV用两种不同的方法实现快速查找计算直线/网格线交点坐标。
直线交点计算思路与常用方法
直线交点的计算这里列举几个比较常用的方法:
① 在知道直线方程的前提下(或知道直线上一点和直线角度),联立方程求解交点坐标(注意数学坐标系和图像坐标系的关系);
② 不知道直线方程,通过检测直线的方法(例如霍夫变换)计算直线方程,然后联立方程求解交点坐标;
第一种方法当然是最理想的情况,这样计算的交点也最准确。但是大多数情况我们并不能预先知道直线方程。第二种方法在干扰少的情况比较适用,当然我们还要考虑OpenCV的直线检测方法可能会有重复直线被检测,还需要做剔除操作。
综上来看,前面两种方法并不是非常好用,下面来介绍两种简单实用的方法:
③ 利用角点检测方法粗定位角点,然后通过形态学操作计算出直线交点位置;
④ 利用直线交点出特征,使用形态学操作直接定位直线交点位置。
本文使用方法③和方法④,设置合适的参数即可检测到直线交点位置。
效果展示
本文演示图片包含2张,一张是简单的三条直线相交,另一张是多条直线相交形成网格,分别计算它们的交点位置并标识,效果如下:
原图:
结果图:
原图:
结果图:
实现步骤与对应代码
方法③实现步骤与代码:
(1) Harris角点检测+阈值处理;
import cv2
import numpy as np
img = cv2.imread('1.png')
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
mask = np.zeros(gray.shape,np.uint8)
dst = cv2.cornerHarris(gray,2,3,0.04)
ret,thresh = cv2.threshold(dst,0.01,255,cv2.THRESH_BINARY)
cv2.imshow('thresh',thresh)
(2) 形态学膨胀(将角点连接起来);
k1=np.ones((5,5), np.uint8)#指定膨胀核大小mask = cv2.morphologyEx(mask, cv2.MORPH_DILATE, k1)
(3) 轮廓筛选,w>10 and h > 10,直线交点位置轮廓更大。
contours,hierarchy = cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
for cnt in contours:
(x, y, w, h) = cv2.boundingRect(cnt)
if w > 10 and h > 10:
cx = int(x + w / 2)
cy = int(y + h / 2)
cv2.circle(img,(cx, cy),10,(0,255,0),2, cv2.LINE_AA)
cv2.circle(img,(cx, cy),2,(0,0,255),-1, cv2.LINE_AA)
对于图2,代码修改两处参数:
k1=np.ones((1,7), np.uint8)
......
if w > 1 and h > 1:......
方法④实现步骤与代码:
(1) 固定阈值二值化凸显直线为白色,背景为黑色;
import numpy as np
import cv2
img= cv2.imread('1.png')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, thres= cv2.threshold(gray, 150, 255, cv2.THRESH_BINARY)
cv2.imshow('thres', thres)
(2) 指定核做开运算,再做闭运算;
k1=np.ones((1,7), np.uint8)
k2=np.ones((7,1), np.uint8)
mask = cv2.morphologyEx(thres, cv2.MORPH_OPEN, k1)
cv2.imshow('open', mask)
mask = cv2.morphologyEx(mask, cv2.MORPH_CLOSE, k2)
cv2.imshow('close', mask)
(3) 轮廓查找与中心计算标示;
contours,hierarchy = cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
for cnt in contours:
(x, y, w, h) = cv2.boundingRect(cnt)
#cv2.rectangle(img, (x, y),(x+w,y+h),(0, 255, 0), 2)
cx = int(x + w / 2)
cy = int(y + h / 2)
cv2.circle(img,(cx, cy),10,(0,255,0),2, cv2.LINE_AA)
cv2.circle(img,(cx, cy),2,(0,0,255),-1, cv2.LINE_AA)
对于图2,代码修改两处参数:
ret, thres= cv2.threshold(gray, 150, 255, cv2.THRESH_BINARY_INV)
......
k1=np.ones((3,1), np.uint8)
k2=np.ones((1,7), np.uint8)
此处涉及到的形态学技巧原来有介绍过,可以参看下面链接查看:
结尾语:
文章实现的步骤并非最优,但基本检测效果还OK,大家跟着上述步骤和代码完全可以自己做出来。当然如果你懒得动手,那就加入知识星球获取吧,那里为你准备了完整源码和测试素材,还有C++源码。
更多实用文章请移步至--精华文章--专题文章分类。
更多视觉图像处理相关内容,请长按关注:OpenCV与AI深度学习。
觉得有用,麻烦给个赞和在看
相关文章
- 【计算机视觉】opencv读取多个摄像头
- [OpenCV] Samples 14: kalman filter
- 用OpenCV实现Photoshop算法(三): 曲线调整
- opencv模板匹配
- error: (-215:Assertion failed) anchor.inside(Rect(0, 0, ksize.width, ksize.height)) OpenCV报错解决
- Halcon实例转OpenCV:计算回形针方向
- opencv 计算算法运行时间
- 使用Python,Opencv进行二维直方图的计算及绘制
- 使用OpenCV,Numpy计算直方图,Matplot绘制直方图及分析
- Python,OpenCV轮廓属性、轮廓检测及绘制
- (二)OpenCV Mat常用属性和方法
- opencv-Vec3b和Vec3f类型
- opencv-mean计算均值
- opencv-distanceTransform 距离计算函数