OpenCV 对象检测 - 中心点

Posted 2023-02-16

【中文标题】OpenCV 对象检测 - 中心点

【英文标题】：OpenCV Object Detection - Center Point

【发布时间】：2010-09-21 17:16:39

【问题描述】：

给定一个纯白色背景上的对象，有人知道 OpenCV 是否提供了从捕获的帧中轻松检测对象的功能吗？

我正在尝试定位对象（矩形）的角/中心点。我目前正在这样做的方式是通过蛮力（扫描图像以查找对象）并且不准确。我想知道引擎盖下是否有我不知道的功能。

编辑详细信息： 大小和一个小汽水罐差不多。相机位于对象上方，以赋予其 2D/矩形的感觉。来自相机的方向/角度是随机的，由角点计算得出。

它只是一个白色背景，上面有对象（黑色）。拍摄的质量与您希望从罗技网络摄像头看到的一样。

一旦我得到角点，我就会计算中心。然后将中心点转换为厘米。

我正在努力专注于“如何”获得这 4 个角。你可以用这张图看到我的蛮力方法：Image

【参考方案1】：

由于没有人发布完整的 OpenCV 解决方案，这里有一个简单的方法：

获取二值图像。我们加载图像，转换为灰度，然后使用Otsu's threshold获取二值图像

寻找外轮廓。我们使用findContours寻找轮廓，然后使用boundingRect提取边界框坐标

求中心坐标。既然有了轮廓，就可以用moments提取轮廓的质心来求中心坐标

---

这是一个边界框和中心点以绿色突出显示的示例

输入图片->输出

Center: (100, 100)

Center: (200, 200)

Center: (300, 300)

---

回顾一下：

给定一个纯白色背景上的对象，有人知道 OpenCV 是否提供了从捕获的帧中轻松检测对象的功能吗？

首先获取二值图像（Canny edge detection、simple thresholding、Otsu's threshold 或Adaptive threshold），然后使用findContours 找到轮廓。要获得边界矩形坐标，您可以使用boundingRect，它将以x,y,w,h 的形式为您提供坐标。要绘制矩形，您可以使用rectangle 绘制它。这将为您提供轮廓的 4 个角点。如果您想获得中心点，请使用 moments提取轮廓的质心

代码

import cv2
import numpy as np

# Load image, convert to grayscale, and Otsu's threshold 
image = cv2.imread('1.png')
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)[1]

# Find contours and extract the bounding rectangle coordintes
# then find moments to obtain the centroid
cnts = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]
for c in cnts:
    # Obtain bounding box coordinates and draw rectangle
    x,y,w,h = cv2.boundingRect(c)
    cv2.rectangle(image, (x, y), (x + w, y + h), (36,255,12), 2)

    # Find center coordinate and draw center point
    M = cv2.moments(c)
    cx = int(M['m10']/M['m00'])
    cy = int(M['m01']/M['m00'])
    cv2.circle(image, (cx, cy), 2, (36,255,12), -1)
    print('Center: (, )'.format(cx,cy))

cv2.imshow('image', image)
cv2.waitKey()

【参考方案2】：

希望这有帮助，使用矩方法来获取黑白图像的质心。

cv::Point getCentroid(cv::Mat img)

    cv::Point Coord;
    cv::Moments mm = cv::moments(img,false);
    double moment10 = mm.m10;
    double moment01 = mm.m01;
    double moment00 = mm.m00;
    Coord.x = int(moment10 / moment00);
    Coord.y = int(moment01 / moment00);
    return Coord;

【参考方案3】：

已经有一个如何在 OpenCV 中进行矩形检测的示例（查看 samples/squares.c），实际上非常简单。

这是他们使用的粗略算法：

0. rectangles <- 
1. image <- load image
2. for every channel:
2.1  image_canny <- apply canny edge detector to this channel
2.2  for threshold in bunch_of_increasing_thresholds:
2.2.1   image_thresholds[threshold] <- apply threshold to this channel
2.3  for each contour found in image_canny U image_thresholds:
2.3.1   Approximate contour with polygons
2.3.2   if the approximation has four corners and the angles are close to 90 degrees.
2.3.2.1    rectangles <- rectangles U contour

不是他们正在做什么的确切音译，但它应该对你有所帮助。

【讨论】：

我正在做一个类似的项目。我是 OpenCV 的新手，请您发布源代码来执行这些步骤吗？

我相信您要查找的文件现在是 [OpenCV_proj_dir]/samples/cpp/squares.cpp。

【参考方案4】：

OpenCV 有大量函数可以帮助您实现这一目标。如果您使用 C#.NET 进行编程，请下载 Emgu.CV 以获取包含在库中的 C#.CV。

得到你想要的东西的一些方法：

像以前一样找到角落 - 例如“CornerHarris”OpenCV 函数

阈值图像并计算重心 - 请参阅http://www.roborealm.com/help/Center%20of%20Gravity.php ...这是我将使用的方法。您甚至可以在 COG 例程中执行阈值处理。即 cog_x += *imagePtr

找到图像的时刻以提供旋转、重心等 - 例如“时刻”OpenCV 功能。 （我没用过）

（编辑）AForge.NET 库具有角点检测功能以及示例项目 (MotionDetector) 和用于连接网络摄像头的库。我认为这将是最简单的方法，假设您使用的是 Windows 和 .NET。

【讨论】：

关于cvCornerHarris，你能详细说明它是如何使用的吗？据我所知，您创建了一个图像并运行 cvCornerHarris(image,cornerimg,blockSize(?),apertureSize(?))。而且，您如何从角落图像中提取信息？

据我所知，它的工作方式是对每个像素运行一个大小为 'apertureSize' 的 sobel 边缘检测器，通过 'blockSize' 像素组在周围的 'blockSize' 上运行。然后它使用一个公式对该区域中检测到的边缘进行评分。角将同时具有水平和垂直。

生成的图像与原始图像大小相同，除了最亮的像素对应。到最强的角落。选择比要检测的角更大的块大小 - 为您的图像尝试 5 或 7。选择apertureSize，再小一点——试试3。我自己没用过这个功能，说说怎么用吧

【参考方案5】：

在其他机器视觉库中通常称为blob分析。我还没用过opencv。