使用OpenCV（或其他方法）检测网格节点

Question

我在照片上画了一个网格（它们是从照相机里拍的）。二值化后，它们看起来如下（红色为255，蓝色为0）：

在这些图片上检测网格节点（十字）的最佳方法是什么？ 注：网格不均匀地从一个单元格扭曲到另一个单元格。在

更新：

二值化前不同网格及其变形的一些示例：

Answer 1

在这种情况下，我首先要找到最好的起点。 所以，首先我给你的图像设置了阈值（但是我也可以对它进行骨架化，然后再设置阈值。但这样一些数据将无法恢复地丢失）：

{1美元^

然后，我尝试了大量的工具来突出最突出的特性。最后，在使用Gimp的G'MIC插件时，我发现：

基于上述内容，我准备了一个通用模式，如下所示：

然后我得到了这张照片的一部分：

为了帮助确定角度，我制作了局部傅里叶频率图-通过这种方式，您可以获得您的图案局部角度：

然后你可以做一个简单的厚，在现代GPU上快速工作-像这样得到区别（漏掉的情况）：

当发生碰撞时，差异是最小的；我所说的局部最大值或多或少涉及到应该如何处理由此产生的差异。由于比例因子的敏感性，将图案圆外部的权重与内部的相同是不明智的。因此，在所使用的算法中，内带交叉的权重应该更大。然而，图像的不同模式如下所示：

如你所见，区分命中和未命中是可能的。关键是设置适当的公差，并使用傅里叶频率来获得角度（对于阈值图像，傅里叶通常遵循所分析图像的整体方向）。 上述方法可在以后由Harris检测来补充，或者利用上述模式对Harris检测进行修改，以区分两到四个紧密放置的角点。 不幸的是，在这种情况下，所有的技术都依赖于规模，因此应该适当地进行调整。 还有其他方法可以解决这个问题，例如，首先对其进行分水岭分割，然后获取区域，然后忽略前景，然后简化曲线，然后检查它们的角点是否形成连续的等距图案。但在我看来，这不会产生正确的结果。在

还有一件事-libgmic是G'MIC库，从中可以直接或通过绑定使用上面所示的转换。或者获取算法并在你的应用程序中重写它们。在

Answer 2

我想这可能是一个潜在的答案（实际上在评论中提到过）：http://opencv.itseez.com/2.4/modules/imgproc/doc/feature_detection.html?highlight=hough#houghlinesp

还有其他方法可以使用略读工具进行特征检测。在

但实际上，我认为与其使用Hough变换（Hough transformation，后者可能会导致巨大膨胀和缺乏精度（直线），我建议尝试Harris角点检测-http://docs.opencv.org/2.4/doc/tutorials/features2d/trackingmotion/harris_detector/harris_detector.html）。在

这可以进一步调整（交叉角，因此局部最大值应取决于交叉分布）以适应您的具体问题。然后根据得到的点进行曲线逼近。在

Answer 3

也许你可以计算Hough Lines并确定交点。可以找到OpenCV文档here