<p>这是一个有趣的问题。我得到的结果并不完美,但可能是个好的开始。我用只看内核边缘的内核过滤图像。其思想是,一个连接至少有3条线穿过内核边缘,其中规则线只有2条。这意味着当内核在一个连接点上时,结果值会更高,因此阈值会显示它们。<br/>
由于线路的性质,有一些正值和一些负值。一个关节很可能会被发现好几次,所以你必须考虑到这一点。你可以通过画小点并检测这些小点来使它们独特。你知道吗</p>
<p>结果:</p>
<p><a href="https://i.stack.imgur.com/175Ln.png" rel="nofollow noreferrer"><img src="https://i.stack.imgur.com/175Ln.png" alt="enter image description here"/></a></p>
<p>代码:</p>
<pre><code> import cv2
import numpy as np
# load the image as grayscale
img = cv2.imread('xqXid.png',0)
# make a copy to display result
im_or = img.copy()
# convert image to larger datatyoe
img.astype(np.int32)
# create kernel
kernel = np.ones((7,7))
kernel[2:5,2:5] = 0
print(kernel)
#apply kernel
res = cv2.filter2D(img,3,kernel)
# filter results
loc = np.where(res > 2800)
print(len(loc[0]))
#draw circles on found locations
for x in range(len(loc[0])):
cv2.circle(im_or,(loc[1][x],loc[0][x]),10,(127),5)
#display result
cv2.imshow('Result',im_or)
cv2.waitKey(0)
cv2.destroyAllWindows()
</code></pre>
<p>注意:您可以尝试调整内核和阈值。例如,使用上面的代码,我得到了126个匹配项。但当我使用</p>
<pre><code>kernel = np.ones((5,5))
kernel[1:4,1:4] = 0
</code></pre>
<p>带阈值</p>
<pre><code>loc = np.where(res > 1550)
</code></pre>
<p>我在这些地方找到了33根火柴:</p>
<p><a href="https://i.stack.imgur.com/DgblE.png" rel="nofollow noreferrer"><img src="https://i.stack.imgur.com/DgblE.png" alt="enter image description here"/></a></p>