Обнаружение линии OpenCV для линий 45 градусов

Question

У меня есть изображение:

На этом изображении преобразование OpenCV Hough не может обнаружить большую линию -45 градусов, используя

minLineLength = 150 
maxLineGap = 5 
line_thr = 150 
linesP = cv.HoughLinesP(dst, 1, np.pi / 180, line_thr, None, minLineLength, maxLineGap) 

Единственные найденные строки:

Я также пытался играть с различными порогами, но не могу найти линию здесь,

Если я вручную обрежу изображение следующим образом:

, тогда я ясно вижу преобразование OpenCV Hough, находящее правильную линию:

Я хочу найти эту же строку в не обрезанной версии.Какие-нибудь предложения относительно не обрезанной версии, чтобы найти это?

Также могут быть случаи, когда линии вообще нет или линия не идет полностью для длины оси X.Примеры

Answer 1

Ваш оригинальный код в порядке свистка.Единственная проблема состоит в том, что ваше изображение содержит слишком много информации, которая портит оценки аккумулятора.Все будет работать, если вы увеличите порог линии до 255.

minLineLength = 150 
maxLineGap = 5
line_thr = 255
linesP = cv2.HoughLinesP(dst, 1, np.pi / 180.0, line_thr, None, minLineLength, maxLineGap) 

Вот результаты, использующие это значение.Из-за большого размера белого пикселя здесь обнаруживаются 3 линии.

[  1  41 286 326]
[  0  42 208 250]
[  1  42 286 327]

5 линий обнаруживаются вокруг одной и той же области по той же причинекак указано выше.Уменьшение размера пикселей с помощью морфологической операции или преобразования расстояния должно исправить это.

[110 392 121 598]
[112 393 119 544]
[141 567 147 416]
[ 29 263  29 112]
[  0  93 179 272]

Здесь не найдено ни одной строки.

Answer 2

Я реализовал немного более простой алгоритм, чем мой другой ответ, но в Python с OpenCV на этот раз.

По сути, вместо того, чтобы брать среднее значение вертикальных столбцов пикселей, он суммирует пикселив столбцах и выбирает столбец, который является самым ярким.Если я покажу дополненное, повернутое изображение с другим изображением ниже, представляющим суммы столбцов, вы должны увидеть, как оно работает:

#!/usr/bin/env python3

import cv2
import numpy as np

# Load image as greyscale
im = cv2.imread('45.jpg',cv2.IMREAD_GRAYSCALE)

# Pad with border so it isn't cropped when rotated
bw=300
bordered = cv2.copyMakeBorder(im, top=bw, bottom=bw, left=bw, right=bw, borderType= cv2.BORDER_CONSTANT)

# Rotate -45 degrees
w, h = bordered.shape
M = cv2.getRotationMatrix2D((h/2,w/2),-45,1)
paddedrotated = cv2.warpAffine(bordered,M,(h,w))
# DEBUG cv2.imwrite('1.tif',paddedrotated)

# Sum the elements of each column and find column with most white pixels
colsum = np.sum(paddedrotated,axis=0,dtype=np.float)
col = np.argmax(colsum)
# DEBUG cv2.imwrite('2.tif',colsum)

# Fill with black except for the line we have located which we make white
paddedrotated[:,:] = 0
paddedrotated[:,col] = 255

# Rotate back to straight
w, h = paddedrotated.shape
M = cv2.getRotationMatrix2D((h/2,w/2),45,1)
straight = cv2.warpAffine(paddedrotated,M,(h,w))

# Remove padding and save to disk
straight = straight[bw:-bw,bw:-bw]
cv2.imwrite('result.png',straight)

Обратите внимание, что вам на самом деле не нужно поворачивать изображение обратно к прямой и обрезать его до исходного размера.Вы могли бы на самом деле остановиться после первой строки, которая говорит:

col = np.argmax(colsum)

и использовать некоторую элементарную тригонометрию, чтобы понять, что это означает в вашем исходном изображении.

Вот вывод:

---

Ключевые слова : обнаружение линии, обнаружение линии, поворот, отступ, граница, проекция, проект, изображение, обработка изображения,Python, OpenCV, аффинный, Hough

Answer 3

Проблема в том, что искомая строка не является строкой.На самом деле это похоже на поезд из связанных кругов и коробок.Поэтому я рекомендую вам сделать следующее:

Найти все контуры на изображении, используя поиск контуров

img = cv.imread('image.jpg')
img_gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
ret, thresh = cv.threshold(img_gray, 127, 255, 0)
img2, contours, hierarchy = cv.findContours(thresh, CHAIN_APPROX_SIMPLE ,cv.RETR_EXTERNAL)

Это вернет много контуров, поэтому используйте цикл для сохранения только достаточно долгоконтуры.Поскольку размер изображения составляет 814x1041 пикселей, я предполагаю, что контур длинный, если он составляет не менее 10% ширины изображения, что составляет почти 100 (вы, очевидно, должны оптимизировать это значение)

long_contours = []
for contour in contours[i]:
    perimeter = cv2.arcLength(contour,True)
    if (perimeter > 0.1 * 1018)  # 10% of the image width
        long_contours.append(contour)

Теперь нарисуйте повернутое ограничениепрямоугольник вокруг тех длинных контуров, которые также могут быть линиями.Длинный контур считается линией, если его ширина намного длиннее его высоты, либо его соотношение сторон велико (например, 8, и вам также необходимо оптимизировать это значение)

for long_contour in long_contours:
    rect = cv2.minAreaRect(long_contour)
    aspec_ratio =  rect.width / rect.height

    if aspec_ratio > 8 : 
       box = cv2.boxPoints(rect)
       box = np.int0(box)
       cv2.drawContours(img,[box],0,(255,255,255),cv.FILLED)

Наконец, вы должны получитьчто-то вроде того.Пожалуйста, обратите внимание, код здесь только для ознакомления.

Answer 4

Я сделал это в командной строке в терминале с ImageMagick , но вы можете применить точно такую ​​же технику с OpenCV .

Шаг 1

Возьмите изображение и поверните его на 45 градусов, добавив черные пиксели в качестве фона, где это необходимо:

convert 45.jpg -background black -rotate 45 result.png

Шаг 2

Теперь, опираясь на предыдущую команду, установите для каждого пикселя медиану поля шириной 1 пиксель и высотой 250 пикселей по центру:

convert 45.jpg -background black -rotate 45 -statistic median 1x250 result.png

Шаг 3

Теперь, снова опираясь на предыдущую команду, поверните ее на 45 градусов назад:

convert 45.jpg -background black -rotate 45 -statistic median 1x250 -rotate -45 result.png

---

Итак, в итоге, вся обработка выглядит так:

convert input.jpg -background black -rotate 45 -statistic median 1x250 -rotate -45 result.png

Очевидно, затем обрежьте его обратно до исходного размера и добавьтевместе с оригиналом для проверки:

convert 45.jpg -background black -rotate 45 -statistic median 5x250 -rotate -45 +repage -gravity center -crop 184x866+0+0 result.png
convert 45.jpg result.png +append result.png 

---

Вы также можете использовать mean статистика плюс пороговое значение вместо median так как яЭто быстрее, чем сортировка, чтобы найти медиану, однако это приводит к размытию:

convert 45.jpg -background black -rotate 45 -statistic mean 1x250 result.png

Ваше вновь добавленное изображение обрабатывается этимрезультат: