OpenCV直线拟合检测

Posted 2021-04-25 OpenCV学堂

OpenCV直线拟合检测

一：相关知识点

1. 距离变换

距离变换是二值图像处理与操作中常用手段，在骨架提取，图像窄化中常有应用。距离变换的结果是得到一张与输入图像类似的灰度图像，但是灰度值只出现在前景区域。并且越远离背景边缘的像素灰度值越大。OpenCV中距离变换的函数如下：

 
   
   
 

  
    
    
  
distanceTransform(src, distanceType, maskSize, dst=None, dstType=None):
  
    
    
  
- src 表示输入的二值图像
  
    
    
  
- distanceType，常见的有DIST_L1、DIST_L2、DIST_C三种方式
  
    
    
  
- maskSize，支持3x3、5x5、DIST_MASK_PRECISE
  
    
    
  
- dst输出距离变换图像
  
    
    
  
- dstType 数据类型、默认是CV_32F
 
   
   
 

DIST_L1、DIST_L2、DIST_C计算像素距离方式如下：

其中当选择DIST_L2与DIST_MASK_PRECISE时候，OpenCV会使用TBB并行计算加速，DIST_L1与DIST_C是比较精确的距离计算方式、DIST_L2是比较快而粗糙的距离计算方式。下图是基于DIST_L2计算得到结果：

2. 水平与垂直投影

关于这个OpenCV中我没有发现直接可以使用的相关API，所以我自己写了点代码，二值图像的水平或者垂直投影可以用于粘连字符分割、对象分离，发现局部极大值像素等处理，是非常重要的二值图像分析与处理手段。假设有二值图像与其像素分布如下：

其水平与垂直投影则分别如下：

二：案例分析

对上面这样一张图像，需要对其提取水平与垂直的两条直线，完整的代码实现分为如下几步： 1.对二值图像实现距离变换

 
   
   
 

  
    
    
  
h, w, ch = frame.shape
  
    
    
  
# 二值化图像
  
    
    
  
print("start to detect lines...\n")
  
    
    
  
gray = cv.cvtColor(frame, cv.COLOR_BGR2GRAY)
  
    
    
  
ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)
  
    
    
  
cv.imshow("binary image", binary)
  
    
    
  
cv.imwrite("D:/binary.png", binary)
  
    
    
  

  
    
    
  
dist = cv.distanceTransform(binary, cv.DIST_L1, cv.DIST_MASK_PRECISE)
 
   
   
 

2.水平与垂直投影提取骨架

 
   
   
 

  
    
    
  
result = np.zeros((h, w), dtype=np.uint8)
  
    
    
  
ypts = []
  
    
    
  
for row in range(h):
  
    
    
  
    cx = 0
  
    
    
  
    cy = 0
  
    
    
  
    max_d = 0
  
    
    
  
    for col in range(w):
  
    
    
  
        d = dist[row][col]
  
    
    
  
        if d > max_d:
  
    
    
  
            max_d = d
  
    
    
  
            cx = col
  
    
    
  
            cy = row
  
    
    
  
    result[cy][cx] = 255
  
    
    
  
    ypts.append([cx, cy])
  
    
    
  

  
    
    
  
xpts = []
  
    
    
  
for col in range(w):
  
    
    
  
    cx = 0
  
    
    
  
    cy = 0
  
    
    
  
    max_d = 0
  
    
    
  
    for row in range(h):
  
    
    
  
        d = dist[row][col]
  
    
    
  
        if d > max_d:
  
    
    
  
            max_d = d
  
    
    
  
            cx = col
  
    
    
  
            cy = row
  
    
    
  
    result[cy][cx] = 255
  
    
    
  
    xpts.append([cx, cy])
  
    
    
  

  
    
    
  
cv.imshow("lines", result)
  
    
    
  
cv.imwrite("D:/skeleton.png", result)
 
   
   
 

3.根据骨架像素点拟合直线

 
   
   
 

  
    
    
  
frame = self.line_fitness(ypts, image=frame)
  
    
    
  
frame = self.line_fitness(xpts, image=frame, color=(255, 0, 0))
  
    
    
  

  
    
    
  
cv.imshow("fit-lines", frame)
  
    
    
  
cv.imwrite("D:/fitlines.png", frame)
 
   
   
 

每步执行之后的输出分别如下：

距离变换结果

骨架提取结果

拟合直线结果

---

---

一勤天下无难事、

百思胸中有良谋！

关注【OpenCV学堂】

长按或者扫码下面二维码即可关注