Phát hiện các dòng Opencv trong đối tượng

Question

Tôi có hình ảnh bên dưới. Tôi muốn phát hiện đường phân chia đối tượng này thành hai phần. Đó là cách tốt nhất? Tôi đã thử với biến đổi Hough nhưng đôi khi đối tượng không đủ lớn để nó phát hiện. Bất kỳ ideias?

Cảm ơn!

Answer 1

Thông thường, Hough transform được sử dụng để phát hiện dòng.

Nhưng nếu nó không hoạt động cho bạn, đường phù hợp cũng là một lựa chọn tốt.

Kiểm tra OpenCV fitline chức năng để biết thêm chi tiết và thông số.

Vì bạn đã thử dòng hough, tôi sẽ chứng minh dòng phù hợp ở đây, sử dụng OpenCV-Python:

# Load image, convert to grayscale, threshold and find contours 
img = cv2.imread('lail.png') 
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) 
ret, thresh = cv2.threshold(gray,127,255,cv2.THRESH_BINARY) 
contours,hier = cv2.findContours(thresh,cv2.RETR_LIST,cv2.CHAIN_APPROX_SIMPLE) 
cnt = contours[0] 

# then apply fitline() function 
[vx,vy,x,y] = cv2.fitLine(cnt,cv2.cv.CV_DIST_L2,0,0.01,0.01) 

# Now find two extreme points on the line to draw line 
lefty = int((-x*vy/vx) + y) 
righty = int(((gray.shape[1]-x)*vy/vx)+y) 

#Finally draw the line 
cv2.line(img,(gray.shape[1]-1,righty),(0,lefty),255,2) 
cv2.imshow('img',img) 
cv2.waitKey(0) 
cv2.destroyAllWindows() 

Dưới đây là kết quả tôi nhận:

CHỈNH SỬA:

Nếu bạn muốn tìm dòng để chia đối tượng thành hai phần, trước tiên hãy tìm đường phù hợp, sau đó tìm dòng bình thường với nó.

Cho rằng, thêm bên dưới đoạn mã dưới cv2.fitLine() chức năng:

nx,ny = 1,-vx/vy 
mag = np.sqrt((1+ny**2)) 
vx,vy = nx/mag,ny/mag 

Và dưới đây là những kết quả tôi nhận:

Hope nó giúp !!!

UPDATE:

Dưới đây là C++ mã cho Python mã của trường hợp đầu tiên như bạn yêu cầu. Mã hoạt động tốt cho tôi. Đầu ra là giống như đưa ra ở trên:

#include <iostream> 
#include <opencv2/highgui/highgui.hpp> 
#include <opencv2/core/core.hpp> 
#include <opencv/cv.h> 

using namespace std; 
using namespace cv; 

int main() 
{ 
    cv::Mat img, gray,thresh; 
    vector<vector<Point>> contours; 
    Vec4f lines; 

    img = cv::imread("line.png"); 
    cv::cvtColor(img,gray,cv::COLOR_BGR2GRAY); 
    cv::threshold(gray,thresh,127,255,cv::THRESH_BINARY); 
    cv::findContours(thresh,contours,cv::RETR_LIST,cv::CHAIN_APPROX_SIMPLE); 
    cv::fitLine(Mat(contours[0]),lines,2,0,0.01,0.01); 

    //lefty = int((-x*vy/vx) + y) 
    //righty = int(((gray.shape[1]-x)*vy/vx)+y) 
    int lefty = (-lines[2]*lines[1]/lines[0])+lines[3]; 
    int righty = ((gray.cols-lines[2])*lines[1]/lines[0])+lines[3]; 

    cv::line(img,Point(gray.cols-1,righty),Point(0,lefty),Scalar(255,0,0),2); 

    cv::imshow("img",img); 
    cv::waitKey(0); 
    cv::destroyAllWindows(); 
}