图像分析、物体形状、中心和极值

Question

我编写了一个程序来从灰度图像构建阈值并找到其下方对象的中心。这进一步用于将几何图形（线）绘制到对象中。 cv2.PCACompute() 函数用于寻找物体的中心。完成后，我可以画线来匹配物体的大致形状并做进一步的分析。

所以：

物体的极值是我需要找到的重要东西，而不是中心。但是为了计算它们，我需要画一条从中心开始的线。问题是，我需要告诉程序对象的 size。现在我正试图通过检测对象的极值而不是中心来自动执行此操作。我想知道你是否可以帮助我。

输入图像：

首先构建一个 Threshold 并从中移除上面的对象：

import cv2
import numpy as np

#required to draw the length of the lins, originating from the core of object
scale = 20              #factor by which original image was scaled up
shard_size = 12*scale   #length of object

#import image
img = cv2.imread('img.png', 0)

#build threshold
_, thresh = cv2.threshold(img,
                           235,
                           255,
                           cv2.THRESH_BINARY)

#remove upper object from image
z = 0
for x in thresh[::-1]:
    v = 0
    for el in x:
        if el > 0:
            break
        v += 1
    z += 1
    if el > 0:
        thresh[:int(-z-shard_size-2*scale)] = 0
        break

如您所见，对象在顶部被切割。这是一种笨拙的方法。在下一步中 cv2.PCACompute() 用于找到对象的中心并确定其极值的方向。提供 shard_size 后，可以在对象极值方向绘制一条线。

#compute geometry of object (center + line extrema)
mat = np.argwhere(thresh == 255)
mat[:, [0, 1]] = mat[:, [1, 0]]
mat = np.array(mat).astype(np.float32)
m, e = cv2.PCACompute(mat, mean = np.array([]))

#determine coordinates of object (center + line extrema)
center = tuple(m[0])
endpoint1 = tuple(m[0] - e[0] * shard_size/2)
endpoint2 = tuple(m[0] + e[0] * shard_size/2)

#draw line into object
red_color = (0, 0, 255)
coord1 = endpoint1
coord2 = endpoint2
cv2.circle(img, center, 1, red_color)
cv2.line(img, coord1, coord2, red_color)

#save output img
cv2.imwrite('output_img.png', img)

如何找到对象的极值而不是中心，这样我就不需要再给程序 shard_size 输入了？

Answer 1

在这里，我使用 cv2.minAreaRect() 函数找到了对象的长度，并计算了沿质心的端点。

minAreaRect 函数为我们提供包围对象的矩形的中心、轴和角度。我使用角度信息来旋转水平矢量并生成线的端点

#Finding the contours in the image
im2, contours, hierarchy = cv2.findContours(img,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)

img = cv2.cvtColor(img, cv2.COLOR_GRAY2BGR)

#finding the minimum area rectangle that covers the blob
rect = cv2.minAreaRect(contours[0])
box = cv2.boxPoints(rect)
box = np.int0(box)
cv2.drawContours(img,[box],0,(0,0,255),2)

#Forming the line vector
v = np.matrix([[0], [1]])

#forming the rotation matrix to rotate the line vector
ang = rect[2]* np.pi / 180 #conversion to radians
rot = np.matrix([[np.cos(ang), -np.sin(ang)],[np.sin(ang), np.cos(ang)]])

#Rotating the horizontal vector
rv = rot*v

#half length of the line
lineSize = max(rect[1])*0.5

#extreme points of the 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, (0,255,0), 2)

图像分析、物体形状、中心和极值

Image analysis, object shape, center and extrema

python

opencv

object-detection