检测图像上附加到其他东西的小方块
Detecting small squares attached to something else on the image
我想检测图像上用红色圆圈圈出的小方块。但问题是他们在另一条白线上。我想知道如何将那些方块与白线分开并检测它们。
我用OpenCV Python写过代码。到目前为止,我所做的是裁剪图像,以便只能访问图像的圆形部分。然后我裁剪图像以获得所需的部分,即白线。然后我使用腐蚀,使白线消失,方块保留在图像中。然后使用霍夫圆来检测正方形。这确实适用于某些图像,但不能一概而论。请帮我找到一个通用代码。让我知道逻辑和 python 代码。
还有谁能帮我检测图像上的那个 aruco 标记。它被拒绝了。我不知道为什么。
图片在这个link。 Detect small squares on an image
这是带有 distanceTransform 的 C++ 代码。
由于我几乎只使用 openCV 函数,您可以轻松地将其转换为 Python 代码。
我手动删除了图像顶部的白色条纹,希望这不是问题。
int main()
{
cv::Mat input = cv::imread("C:/Whosebug/Input/SQUARES.png", cv::IMREAD_GRAYSCALE);
cv::Mat thres = input > 0; // make binary mas
cv::Mat dst;
cv::distanceTransform(thres, dst, CV_DIST_L2, 3);
double min, max;
cv::Point minPt, maxPt;
cv::minMaxLoc(dst, &min, &max, 0, 0);
double distThres = max*0.65; // a real clustering would be better. This assumes that the white circle thickness is a bout 50% of the square size, so 65% should be ok...
cv::Mat squaresMask = dst >= distThres;
cv::imwrite("C:/Whosebug/Input/SQUARES_mask.png", squaresMask);
std::vector<std::vector<cv::Point> > contours;
cv::findContours(squaresMask, contours, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_NONE);
cv::Mat output;
cv::cvtColor(input, output, cv::COLOR_GRAY2BGR);
for (int i = 0; i < contours.size(); ++i)
{
cv::Point2f center;
float radius;
cv::minEnclosingCircle(contours[i], center, radius);
cv::circle(output, center, 5, cv::Scalar(255, 0, 255), -1);
//cv::circle(output, center, radius, cv::Scalar(255, 0, 255), 1);
}
cv::imwrite("C:/Whosebug/Input/SQUARES_output.png", output);
cv::imshow("output", output);
cv::waitKey(0);
}
这是输入:
这是距离变换后的squaresMask
这是结果
我想检测图像上用红色圆圈圈出的小方块。但问题是他们在另一条白线上。我想知道如何将那些方块与白线分开并检测它们。
我用OpenCV Python写过代码。到目前为止,我所做的是裁剪图像,以便只能访问图像的圆形部分。然后我裁剪图像以获得所需的部分,即白线。然后我使用腐蚀,使白线消失,方块保留在图像中。然后使用霍夫圆来检测正方形。这确实适用于某些图像,但不能一概而论。请帮我找到一个通用代码。让我知道逻辑和 python 代码。
还有谁能帮我检测图像上的那个 aruco 标记。它被拒绝了。我不知道为什么。 图片在这个link。 Detect small squares on an image
这是带有 distanceTransform 的 C++ 代码。 由于我几乎只使用 openCV 函数,您可以轻松地将其转换为 Python 代码。
我手动删除了图像顶部的白色条纹,希望这不是问题。
int main()
{
cv::Mat input = cv::imread("C:/Whosebug/Input/SQUARES.png", cv::IMREAD_GRAYSCALE);
cv::Mat thres = input > 0; // make binary mas
cv::Mat dst;
cv::distanceTransform(thres, dst, CV_DIST_L2, 3);
double min, max;
cv::Point minPt, maxPt;
cv::minMaxLoc(dst, &min, &max, 0, 0);
double distThres = max*0.65; // a real clustering would be better. This assumes that the white circle thickness is a bout 50% of the square size, so 65% should be ok...
cv::Mat squaresMask = dst >= distThres;
cv::imwrite("C:/Whosebug/Input/SQUARES_mask.png", squaresMask);
std::vector<std::vector<cv::Point> > contours;
cv::findContours(squaresMask, contours, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_NONE);
cv::Mat output;
cv::cvtColor(input, output, cv::COLOR_GRAY2BGR);
for (int i = 0; i < contours.size(); ++i)
{
cv::Point2f center;
float radius;
cv::minEnclosingCircle(contours[i], center, radius);
cv::circle(output, center, 5, cv::Scalar(255, 0, 255), -1);
//cv::circle(output, center, radius, cv::Scalar(255, 0, 255), 1);
}
cv::imwrite("C:/Whosebug/Input/SQUARES_output.png", output);
cv::imshow("output", output);
cv::waitKey(0);
}
这是输入:
这是距离变换后的squaresMask
这是结果