在 openCV 和 python 中计算二值图像中的曲线、角度和直线

小能豆

在 openCV 和 python 中计算二值图像中的曲线、角度和直线

我想编写一个工具来查找图像中每个有界对象内的角度、曲线和直线的数量。所有输入图像都将是白底黑字，并且都代表字符。

如图所示，对于每个有界区域，每个形状的出现都会被记录下来。最好能够有一个阈值，以决定曲线必须弯曲到什么程度才能被视为曲线而不是角度等。直线和角度也是如此。

我已经使用霍夫线变换来检测其他图像上的直线，我认为它可能与这里的某些东西结合使用。

除了 opencv 之外，对其他库也持开放态度 - 这只是我的一些经验。

提前致谢

编辑：所以基于 Markus 的回答，我使用findContours()with制作了一个程序CHAIN_APPROX_SIMPLE。

输入“k”会产生一个有点奇怪的结果，它正确地识别了角度周围的一些点，但“腿”（下对角线部分）上有很多点。我不确定如何将其分割成直线、角度和曲线。

代码：

import numpy as np

img = cv2.imread('Helvetica-K.png')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
blurred = cv2.GaussianBlur(gray, (3, 3), 0)
edges = cv2.Canny(blurred, 50, 150, apertureSize=3)
ret, thresh = cv2.threshold(gray, 180, 255, cv2.THRESH_BINARY_INV)

contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
#cv2.drawContours(img, contours, 0, (0,255,0), 1)

#Coordinates of each contour
for i in range(len(contours[0])):
    print(contours[0][i][0][0])
    print(contours[0][i][0][1])
    cv2.circle(img, (contours[0][i][0][0], contours[0][i][0][1]), 2, (0,0,255), -1)

cv2.imshow('img', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

图片示例：

阅读 47

2024-11-28

共1个答案

小能豆

您可以将findContours与选项一起使用CHAIN_APPROX_SIMPLE。

角度小于某个阈值的点即为角。
角度超过某个阈值的点位于直线上，应该被删除。
距离超过某个阈值的两个相邻点是直线的端点。
被认定为角的两个相邻点是直线的端点。
所有其他点都属于一些曲线细节。

更新：

以下是一些您可以开始使用的代码。它展示了如何平滑直线、如何将多个角点合并为一个角点以及如何计算每个点的距离和角度。您还需要做一些工作才能获得所需的结果，但我希望它能引导您朝着正确的方向前进。

import numpy as np
import numpy.linalg as la
import cv2


def get_angle(p1, p2, p3):
    v1 = np.subtract(p2, p1)
    v2 = np.subtract(p2, p3)
    cos = np.inner(v1, v2) / la.norm(v1) / la.norm(v2)
    rad = np.arccos(np.clip(cos, -1.0, 1.0))
    return np.rad2deg(rad)


def get_angles(p, d):
    n = len(p)
    return [(p[i], get_angle(p[(i-d) % n], p[i], p[(i+d) % n])) for i in range(n)]


def remove_straight(p):
    angles = get_angles(p, 2)                     # approximate angles at points (two steps in path)
    return [p for (p, a) in angles if a < 170]    # remove points with almost straight angles


def max_corner(p):
    angles = get_angles(p, 1)                     # get angles at points
    j = 0

    while j < len(angles):                        # for each point
        k = (j + 1) % len(angles)                 # and its successor
        (pj, aj) = angles[j]
        (pk, ak) = angles[k]

        if la.norm(np.subtract(pj, pk)) <= 4:     # if points are close
            if aj > ak:                           # remove point with greater angle
                angles.pop(j)
            else:
                angles.pop(k)
        else:
            j += 1

    return [p for (p, a) in angles]


def main():
    img = cv2.imread('abc.png')
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    ret, thresh = cv2.threshold(gray, 180, 255, cv2.THRESH_BINARY_INV)

    contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

    for c in contours:                  # for each contour
        pts = [v[0] for v in c]         # get pts from contour
        pts = remove_straight(pts)      # remove almost straight angles
        pts = max_corner(pts)           # remove nearby points with greater angle
        angles = get_angles(pts, 1)     # get angles at points

        # draw result
        for (p, a) in angles:
            if a < 120:
                cv2.circle(img, p, 3, (0, 0, 255), -1)
            else:
                cv2.circle(img, p, 3, (0, 255, 0), -1)

    cv2.imwrite('out.png', img)
    cv2.destroyAllWindows()


main()

2024-11-28