OpenCV中如何获得物体的主要方向

Posted 2021-04-25 OpenCV学堂

问题来源为网友提供的资料，原文为:《Object Orientation, Principal Component Analysis & OpenCV》

问题描述：

对于这样的图像（2副，采用了背投光），如何获得上面工件的主要方向

主要思路：

1.分别获得每个工件的轮廓； 2.处理每个轮廓，采用pca(主成分分析）方法，获得所有轮廓点的集合的中点，主要方向等信息； 3.绘图并返回结果。

注：PCA相关函数请查看

https://docs.opencv.org/master/d3/d8d/classcv11PCA.html

代码略解：1.读入图片，寻找轮廓；

 
   
   
 

  
    
    
  
//读入图像，转换为灰度
  
    
    
  
Mat img = imread("e:/sandbox/pca1.jpg");
  
    
    
  
Mat bw;
  
    
    
  
cvtColor(img, bw, COLOR_BGR2GRAY);
  
    
    
  
//阈值处理
  
    
    
  
threshold(bw, bw, 150, 255, CV_THRESH_BINARY);
  
    
    
  
//寻找轮廓
  
    
    
  
vector<vector<Point> > contours;
  
    
    
  
vector<Vec4i> hierarchy;
  
    
    
  
findContours(bw, contours, hierarchy, CV_RETR_LIST, CV_CHAIN_APPROX_NONE);
 
   
   
 

2.首先以大小筛选轮廓；

 
   
   
 

  
    
    
  
//轮廓分析，找到工件
  
    
    
  
    for (size_t i = 0; i < contours.size(); ++i)
  
    
    
  
    {
  
    
    
  
        //计算轮廓大小
  
    
    
  
        double area = contourArea(contours[i]);
  
    
    
  
        //去除过小或者过大的轮廓区域（科学计数法表示）
  
    
    
  
        if (area < 1e2 || 1e5 < area) continue;
  
    
    
  
        //绘制轮廓
  
    
    
  
        drawContours(img, contours, i, CV_RGB(255, 0, 0), 2, 8, hierarchy, 0);
  
    
    
  
        //寻找每一个轮廓的方向
  
    
    
  
        getOrientation(contours[i], img);
  
    
    
  
    }
 
   
   
 

3.单独处理每个轮廓，分析其主要方向，绘制结果

 
   
   
 

  
    
    
  
//获得构建的主要方向
  
    
    
  
double getOrientation(vector<Point> &pts, Mat &img)
  
    
    
  
{
  
    
    
  
    //构建pca数据。这里做的是将轮廓点的x和y作为两个维压到data_pts中去。
  
    
    
  
    Mat data_pts = Mat(pts.size(), 2, CV_64FC1);//使用mat来保存数据，也是为了后面pca处理需要
  
    
    
  
    for (int i = 0; i < data_pts.rows; ++i)
  
    
    
  
    {
  
    
    
  
        data_pts.at<double>(i, 0) = pts[i].x;
  
    
    
  
        data_pts.at<double>(i, 1) = pts[i].y;
  
    
    
  
    }
  
    
    
  
    //执行PCA分析
  
    
    
  
    PCA pca_analysis(data_pts, Mat(), CV_PCA_DATA_AS_ROW);
  
    
    
  
    //获得最主要分量，在本例中，对应的就是轮廓中点，也是图像中点
  
    
    
  
    Point pos = Point(pca_analysis.mean.at<double>(0, 0),pca_analysis.mean.at<double>(0, 1));
  
    
    
  
    //存储特征向量和特征值
  
    
    
  
    vector<Point2d> eigen_vecs(2);
  
    
    
  
    vector<double> eigen_val(2);
  
    
    
  
    for (int i = 0; i < 2; ++i)
  
    
    
  
    {
  
    
    
  
        eigen_vecs[i] = Point2d(pca_analysis.eigenvectors.at<double>(i, 0),pca_analysis.eigenvectors.at<double>(i, 1));
  
    
    
  
        eigen_val[i] = pca_analysis.eigenvalues.at<double>(i,0);//注意，这个地方原代码写错了
  
    
    
  
    }
  
    
    
  
    //在轮廓/图像中点绘制小圆
  
    
    
  
    circle(img, pos, 3, CV_RGB(255, 0, 255), 2);
  
    
    
  
    //计算出直线，在主要方向上绘制直线
  
    
    
  
    line(img, pos, pos + 0.02 * Point(eigen_vecs[0].x * eigen_val[0], eigen_vecs[0].y * eigen_val[0]) , CV_RGB(255, 255, 0));
  
    
    
  
    line(img, pos, pos + 0.02 * Point(eigen_vecs[1].x * eigen_val[1], eigen_vecs[1].y * eigen_val[1]) , CV_RGB(0, 255, 255));
  
    
    
  
    //返回角度结果
  
    
    
  
    return atan2(eigen_vecs[0].y, eigen_vecs[0].x);
  
    
    
  
}
 
   
   
 

结果展示：

作者博客： jsxyhelu.cnblogs.com

更多相关阅读

远飞者当换其新羽

善筑者先清其旧基

关注【OpenCV学堂】

长按或者扫码二维码即可关注