用Open检测图像中矩形的中心和角度

Question

我有一张照片如下：

我需要找出矩形的数目，每个矩形的中心，测量平行于穿过中心的矩形长边的轴之间的角度，并从水平方向逆时针方向测量角度。我在图像中找到了矩形的数量。我很惊讶地找到了反射的中心和角度。通过瞬间并不能给我正确的答案。

我的代码：

import cv2
import numpy as np 
import sys

img = cv2.imread(str(sys.argv[1]),0)
ret,thresh = cv2.threshold(img,127,255,0)
contours,hierarchy = cv2.findContours(thresh,1,2)



for contour in contours:
    area = cv2.contourArea(contour)
    if area>100000:
        contours.remove(contour)




cnt = contours[0]

epsilon = 0.02*cv2.arcLength(cnt,True)
approx = cv2.approxPolyDP(cnt,epsilon,True)

print 'No of rectangles',len(approx)


#finding the centre of the contour
M = cv2.moments(cnt)

cx = int(M['m10']/M['m00'])
cy = int(M['m01']/M['m00'])

print cx,cy

Answer 1

近似值=cv2。近似多边形dp（cnt，epsilon，True）创建给定闭合轮廓的近似多边形。多边形中的线段是可变长度的，这会导致错误的力矩计算，因为它希望从规则网格中采样点，以提供正确的中心。

有三种方法可以解决您的问题：

1. 在调用多边形近似方法之前，请使用原始轮廓的矩。
2. 使用drawContours生成每个闭合轮廓内区域的遮罩，然后使用生成遮罩的力矩计算中心。
3. 沿闭合多边形的每个线段以单位距离采样点，并使用生成的点集合自己计算力矩。这应该给你同样的中心。

Answer 2

你可以这样做：

1. 连接组件标签，以便检测每个模式（在您的情况下是矩形）
2. 把不同图像中的图案分开
3. （可选）如果图案不是所有矩形，则使用形状索引来区分它们
4. 使用主成分分析（PCA）计算主轴，它会给出你要找的角度。

Answer 3

这就是使用openCV的minarealect函数可以实现的方法。它是用C++编写的，但是你可以很容易地适应它，因为几乎只使用OpenCV函数。

    cv::Mat input = cv::imread("../inputData/rectangles.png");

    cv::Mat gray;
    cv::cvtColor(input,gray,CV_BGR2GRAY);

    // since your image has compression artifacts, we have to threshold the image
    int threshold = 200;
    cv::Mat mask = gray > threshold;

    cv::imshow("mask", mask);

    // extract contours
    std::vector<std::vector<cv::Point> > contours;
    cv::findContours(mask, contours, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_NONE);

    for(int i=0; i<contours.size(); ++i)
    {
        // fit bounding rectangle around contour
        cv::RotatedRect rotatedRect = cv::minAreaRect(contours[i]);

        // read points and angle
        cv::Point2f rect_points[4]; 
        rotatedRect.points( rect_points );

        float  angle = rotatedRect.angle; // angle

        // read center of rotated rect
        cv::Point2f center = rotatedRect.center; // center

        // draw rotated rect
        for(unsigned int j=0; j<4; ++j)
            cv::line(input, rect_points[j], rect_points[(j+1)%4], cv::Scalar(0,255,0));

        // draw center and print text
        std::stringstream ss;   ss << angle; // convert float to string
        cv::circle(input, center, 5, cv::Scalar(0,255,0)); // draw center
        cv::putText(input, ss.str(), center + cv::Point2f(-25,25), cv::FONT_HERSHEY_COMPLEX_SMALL, 1, cv::Scalar(255,0,255)); // print angle
    }

导致此图像：

如您所见，角度可能不是您想要的（因为它们随机使用较长或较小的线作为参考）。 相反，您可以提取矩形的长边并手动计算角度。

如果选择旋转矩形的较长边并从中计算角度，则如下所示：

// choose the longer edge of the rotated rect to compute the angle
        cv::Point2f edge1 = cv::Vec2f(rect_points[1].x, rect_points[1].y) - cv::Vec2f(rect_points[0].x, rect_points[0].y);
        cv::Point2f edge2 = cv::Vec2f(rect_points[2].x, rect_points[2].y) - cv::Vec2f(rect_points[1].x, rect_points[1].y);

        cv::Point2f usedEdge = edge1;
        if(cv::norm(edge2) > cv::norm(edge1))
            usedEdge = edge2;

        cv::Point2f reference = cv::Vec2f(1,0); // horizontal edge


        angle = 180.0f/CV_PI * acos((reference.x*usedEdge.x + reference.y*usedEdge.y) / (cv::norm(reference) *cv::norm(usedEdge)));

给这个结果，这应该是你要找的！

编辑：看起来op没有使用他发布的输入图像，因为参考矩形中心将位于图像之外。

使用此输入（手动重新缩放，但可能仍然不是最佳的）：

我得到这些结果（蓝点是op提供的参考矩形中心）：

将参考值与检测值进行比较：

reference (x,y,angle)    detection (x,y,angle)
(320,240,0)              (320, 240, 180) // angle 180 is equal to angle 0 for lines
(75,175,90)              (73.5, 174.5, 90)
(279,401,170)            (279.002, 401.824, 169.992)
(507,379,61)             (507.842, 379.75, 61.1443)
(545,95,135)             (545.75, 94.25, 135)
(307,79,37)              (306.756, 77.8384, 37.1042)

我很想看到真正的输入图像，也许结果会更好。