图像处理中的角点检测 Opencv Python
Corner detection in Image processing Opencv Python
我有盒子的图片。我正在尝试检测角点并用圆圈标记这些角点。我为此使用以下代码:
import cv2
import numpy as np
img_file = 'Image.jpg'
img = cv2.imread(img_file, cv2.IMREAD_COLOR)
imgDim = img.shape
dimA = imgDim[0]
dimB = imgDim[1]
# RGB to Gray scale conversion
img_gray = cv2.cvtColor(img,cv2.COLOR_RGB2GRAY)
# Noise removal with iterative bilateral filter(removes noise while preserving edges)
noise_removal = cv2.bilateralFilter(img_gray,9,75,75)
# Thresholding the image
ret,thresh_image = cv2.threshold(noise_removal,220,255,cv2.THRESH_OTSU)
th = cv2.adaptiveThreshold(noise_removal, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 11, 2)
# Applying Canny Edge detection
canny_image = cv2.Canny(th,250,255)
canny_image = cv2.convertScaleAbs(canny_image)
# dilation to strengthen the edges
kernel = np.ones((3,3), np.uint8)
# Creating the kernel for dilation
dilated_image = cv2.dilate(canny_image,kernel,iterations=1)
np.set_printoptions(threshold=np.nan)
_, contours, h = cv2.findContours(dilated_image, 1, 2)
contours= sorted(contours, key = cv2.contourArea, reverse = True)[:1]
corners = cv2.goodFeaturesToTrack(thresh_image,6,0.06,25)
corners = np.float32(corners)
for item in corners:
x,y = item[0]
cv2.circle(img,(x,y),10,255,-1)
cv2.namedWindow("Corners", cv2.WINDOW_NORMAL)
cv2.imshow("Corners",img)
cv2.waitKey()
此代码将 return 我的图像带有带圆圈的指向边缘,但您可以看到错误检测到两条边缘(框背面的边缘)。我知道在确定角点时存在一些问题,因为我们只是在绘制角点。谁能指导我哪里做错了?谢谢
我不会说我已经找到了最好的解决方案,但经过相当多的编码我能够获得以下内容:
为了获得这个,我遵循了以下步骤:
1.第一:获取box的边
- 我对灰度图进行了双边滤波。
- 使用 Canny 边缘检测 找到边缘。
- 使用形态膨胀增强了边缘。
这是上面的结果:
现在做角点检测,一点都不满意:
那我做了什么?
2。找到想要的角
- 我使用 window 大小为 9x9 的 模糊 放大图像。
- 然后将 Harris 角点检测 应用于此模糊图像。
结果我得到了这个:
我知道它并不完美,但它总是可以微调的。
这里是角点检测的代码:
dst = cv2.cornerHarris(dilate,2,3,0.04)
#----result is dilated for marking the corners, not important-------------
dst = cv2.dilate(dst,None)
#----Threshold for an optimal value, it may vary depending on the image---
img[dst>0.01*dst.max()]=[0,0,255]
@Jeru 卢克。为什么不根据步骤 1 的结果数据进行 Harriscornering?
- I performed bilateral filtering on the grayscale image.
- Found the edges using Canny edge detection.
- Enhanced the edges using morphological dilation.
如果你这样做,角上的画会很整齐并且符合线条,对吧?
我有盒子的图片。我正在尝试检测角点并用圆圈标记这些角点。我为此使用以下代码:
import cv2
import numpy as np
img_file = 'Image.jpg'
img = cv2.imread(img_file, cv2.IMREAD_COLOR)
imgDim = img.shape
dimA = imgDim[0]
dimB = imgDim[1]
# RGB to Gray scale conversion
img_gray = cv2.cvtColor(img,cv2.COLOR_RGB2GRAY)
# Noise removal with iterative bilateral filter(removes noise while preserving edges)
noise_removal = cv2.bilateralFilter(img_gray,9,75,75)
# Thresholding the image
ret,thresh_image = cv2.threshold(noise_removal,220,255,cv2.THRESH_OTSU)
th = cv2.adaptiveThreshold(noise_removal, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 11, 2)
# Applying Canny Edge detection
canny_image = cv2.Canny(th,250,255)
canny_image = cv2.convertScaleAbs(canny_image)
# dilation to strengthen the edges
kernel = np.ones((3,3), np.uint8)
# Creating the kernel for dilation
dilated_image = cv2.dilate(canny_image,kernel,iterations=1)
np.set_printoptions(threshold=np.nan)
_, contours, h = cv2.findContours(dilated_image, 1, 2)
contours= sorted(contours, key = cv2.contourArea, reverse = True)[:1]
corners = cv2.goodFeaturesToTrack(thresh_image,6,0.06,25)
corners = np.float32(corners)
for item in corners:
x,y = item[0]
cv2.circle(img,(x,y),10,255,-1)
cv2.namedWindow("Corners", cv2.WINDOW_NORMAL)
cv2.imshow("Corners",img)
cv2.waitKey()
此代码将 return 我的图像带有带圆圈的指向边缘,但您可以看到错误检测到两条边缘(框背面的边缘)。我知道在确定角点时存在一些问题,因为我们只是在绘制角点。谁能指导我哪里做错了?谢谢
我不会说我已经找到了最好的解决方案,但经过相当多的编码我能够获得以下内容:
为了获得这个,我遵循了以下步骤:
1.第一:获取box的边
- 我对灰度图进行了双边滤波。
- 使用 Canny 边缘检测 找到边缘。
- 使用形态膨胀增强了边缘。
这是上面的结果:
现在做角点检测,一点都不满意:
那我做了什么?
2。找到想要的角
- 我使用 window 大小为 9x9 的 模糊 放大图像。
- 然后将 Harris 角点检测 应用于此模糊图像。
结果我得到了这个:
我知道它并不完美,但它总是可以微调的。
这里是角点检测的代码:
dst = cv2.cornerHarris(dilate,2,3,0.04)
#----result is dilated for marking the corners, not important-------------
dst = cv2.dilate(dst,None)
#----Threshold for an optimal value, it may vary depending on the image---
img[dst>0.01*dst.max()]=[0,0,255]
@Jeru 卢克。为什么不根据步骤 1 的结果数据进行 Harriscornering?
- I performed bilateral filtering on the grayscale image.
- Found the edges using Canny edge detection.
- Enhanced the edges using morphological dilation.
如果你这样做,角上的画会很整齐并且符合线条,对吧?