我想检测图像中的物体并测量它们之间的距离。只要物体不是靠得太近就行了。不幸的是,图像的光照不是最佳的,所以看起来像是物体在触摸,尽管它们不是。我试图用一条代表物体的线来确定距离。问题是,一旦物体轮廓连接起来,我就无法确定代表物体的直线,因此无法计算距离。在
输入图像:
代码:
import cv2
import numpy as np
#import image
img = cv2.imread('img.png', 0)
#Thresh
_, thresh = cv2.threshold(img, 200, 255, cv2.THRESH_BINARY)
#Finding the contours in the image
_, contours, _ = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
#Convert img to RGB and draw contour
img = cv2.cvtColor(img, cv2.COLOR_GRAY2RGB)
cv2.drawContours(img, contours, -1, (0,0,255), 2)
#Object1
v = np.matrix([[0], [1]])
rect = cv2.minAreaRect(contours[0])
#determine angle
if rect[1][0] > rect[1][1]:
ang = (rect[2] + 90)* np.pi / 180
else:
ang = rect[2]* np.pi / 180
rot = np.matrix([[np.cos(ang), -np.sin(ang)],[np.sin(ang), np.cos(ang)]])
rv = rot*v
#draw angle line
lineSize = max(rect[1])*0.45 #length of line
p1 = tuple(np.array(rect[0] - lineSize*rv.T)[0].astype(int))
p2 = tuple(np.array(rect[0] + lineSize*rv.T)[0].astype(int))
cv2.line(img, p1, p2, (255,0,0), 2)
#Object2
if len(contours) > 1:
rect = cv2.minAreaRect(contours[1])
#determine angle
if rect[1][0] > rect[1][1]:
ang = (rect[2] + 90)* np.pi / 180
else:
ang = rect[2]* np.pi / 180
rot = np.matrix([[np.cos(ang), -np.sin(ang)],[np.sin(ang), np.cos(ang)]])
rv = rot*v
#draw angle line
lineSize = max(rect[1])*0.45 #length of line
p1 = tuple(np.array(rect[0] - lineSize*rv.T)[0].astype(int))
p2 = tuple(np.array(rect[0] + lineSize*rv.T)[0].astype(int))
cv2.line(img, p1, p2, (255,0,0), 2)
#save output img
cv2.imwrite('output_img.png', img)
输出图像:
这很好,但只要我使用一个带有连接轮廓的图像,就会发生这种情况:
有没有一种方法来划分轮廓或是一个变通方法?在
编辑
多亏了B.M.的建议,我试过是否可以解决侵蚀问题,但不幸的是,新的问题出现了。似乎不可能在侵蚀和阈值/轮廓之间找到平衡。在
示例:
您可以使用腐蚀技术,如^{} 提供的。之后
您将获得一张图像(
im0
是您的第二张图像),其中明亮区域缩小:现在你可以测量一段距离,即使必须考虑到侵蚀的影响。在
如果你先搜索轮廓,然后检查是否真的有两个呢。如果只有一个,你可以做一个循环来腐蚀和搜索腐蚀图像上的轮廓,直到你得到两个轮廓。当事件发生时,制作一个黑色的边界框,它比被腐蚀图像上使用的内核数量大,并在“原始图像”上绘制,该图像将物理上分割并创建2个轮廓。然后将代码应用于生成的图像。也许你可以在处理之前上传你最难处理的图片?希望它能给你一点帮助或者给你一个新的想法。干杯!在
示例代码:
结果:
我认为你可以采用分水岭分割法(我建议采用ITK)。 组合:
一旦分离完成,您可以:
您还可以使用纯几何/形态学方法:
谨致问候
相关问题 更多 >
编程相关推荐