Как определить строки в opencv?

Ответ 1

Вот мой конвейер, может быть, он может вам помочь.

Сначала получите серое изображение и обработайте GaussianBlur.

img = cv2.imread('src.png')
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

kernel_size = 5
blur_gray = cv2.GaussianBlur(gray,(kernel_size, kernel_size),0)

Во-вторых, обнаружение края процесса использует Canny.

low_threshold = 50
high_threshold = 150
edges = cv2.Canny(blur_gray, low_threshold, high_threshold)

Затем используйте HoughLinesP для получения строк. Вы можете настроить параметры для лучшей производительности.

rho = 1  # distance resolution in pixels of the Hough grid
theta = np.pi / 180  # angular resolution in radians of the Hough grid
threshold = 15  # minimum number of votes (intersections in Hough grid cell)
min_line_length = 50  # minimum number of pixels making up a line
max_line_gap = 20  # maximum gap in pixels between connectable line segments
line_image = np.copy(img) * 0  # creating a blank to draw lines on

# Run Hough on edge detected image
# Output "lines" is an array containing endpoints of detected line segments
lines = cv2.HoughLinesP(edges, rho, theta, threshold, np.array([]),
                    min_line_length, max_line_gap)

for line in lines:
    for x1,y1,x2,y2 in line:
    cv2.line(line_image,(x1,y1),(x2,y2),(255,0,0),5)

Наконец, нарисуйте линии на вашем srcImage.

# Draw the lines on the  image
lines_edges = cv2.addWeighted(img, 0.8, line_image, 1, 0)

Вот моя последняя работа.

Конечное изображение:

Ответ 2

Я не уверен, что именно вы спрашиваете, поскольку в вашей публикации нет никаких вопросов.

Одним из хороших и надежных методов определения сегментов линии является LSD (детектор сегментов линии), доступный в openCV с openCV 3.

Вот простой простой код C++, который, вероятно, может быть легко преобразован в python:

int main(int argc, char* argv[])
{
    cv::Mat input = cv::imread("C:/StackOverflow/Input/parking.png");
    cv::Mat gray;
    cv::cvtColor(input, gray, CV_BGR2GRAY);


    cv::Ptr<cv::LineSegmentDetector> det;
    det = cv::createLineSegmentDetector();



    cv::Mat lines;
    det->detect(gray, lines);

    det->drawSegments(input, lines);

    cv::imshow("input", input);
    cv::waitKey(0);
    return 0;
}

Предоставление этого результата:

Что выглядит лучше для дальнейшей обработки, чем ваше изображение (без дубликатов строк и т.д.)

Ответ 3

Здесь есть несколько отличных ответов на первую часть вашего вопроса, но что касается второй части (нахождение пересечений линий), я не вижу многого.

Я бы предложил вам взглянуть на алгоритм Бентли-Оттмана.

Есть несколько реализаций python алгоритма здесь и здесь.

Изменение: используя реализацию VeraPoseidon Houghlines и вторую связанную с ней библиотеку, мне удалось получить следующий результат для обнаружения пересечения. Поблагодарите Веру и автора библиотеки за их хорошую работу. Зеленые квадраты представляют собой обнаруженное пересечение. Есть несколько ошибок, но для меня это кажется действительно хорошим отправным пунктом. Кажется, что в большинстве местоположений, на которых вы действительно хотите обнаружить пересечение, обнаружено несколько пересечений, поэтому вы могли бы запустить окно соответствующего размера над изображением, которое искало несколько пересечений и считало истинное пересечение, как тот, где это окно активировалось.

Вот код, который я использовал для создания этого результата:

import cv2
import numpy as np
import isect_segments_bentley_ottmann.poly_point_isect as bot


img = cv2.imread('parking.png')
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

kernel_size = 5
blur_gray = cv2.GaussianBlur(gray,(kernel_size, kernel_size),0)

low_threshold = 50
high_threshold = 150
edges = cv2.Canny(blur_gray, low_threshold, high_threshold)

rho = 1  # distance resolution in pixels of the Hough grid
theta = np.pi / 180  # angular resolution in radians of the Hough grid
threshold = 15  # minimum number of votes (intersections in Hough grid cell)
min_line_length = 50  # minimum number of pixels making up a line
max_line_gap = 20  # maximum gap in pixels between connectable line segments
line_image = np.copy(img) * 0  # creating a blank to draw lines on

# Run Hough on edge detected image
# Output "lines" is an array containing endpoints of detected line segments
lines = cv2.HoughLinesP(edges, rho, theta, threshold, np.array([]),
                    min_line_length, max_line_gap)
print(lines)
points = []
for line in lines:
    for x1, y1, x2, y2 in line:
        points.append(((x1 + 0.0, y1 + 0.0), (x2 + 0.0, y2 + 0.0)))
        cv2.line(line_image, (x1, y1), (x2, y2), (255, 0, 0), 5)

lines_edges = cv2.addWeighted(img, 0.8, line_image, 1, 0)
print(lines_edges.shape)
#cv2.imwrite('line_parking.png', lines_edges)

print points
intersections = bot.isect_segments(points)
print intersections

for inter in intersections:
    a, b = inter
    for i in range(3):
        for j in range(3):
            lines_edges[int(b) + i, int(a) + j] = [0, 255, 0]

cv2.imwrite('line_parking.png', lines_edges)

Вы можете использовать что-то вроде этого блока кода для стратегии удаления нескольких пересечений в небольшой области:

for idx, inter in enumerate(intersections):
    a, b = inter
    match = 0
    for other_inter in intersections[idx:]:
        c, d = other_inter
        if abs(c-a) < 15 and abs(d-b) < 15:
            match = 1
            intersections[idx] = ((c+a)/2, (d+b)/2)
            intersections.remove(other_inter)

    if match == 0:
        intersections.remove(inter)

Выходное изображение:

Однако вам придется играть с функцией окон.

Ответ 4

что произойдет, если вы настроите maxLineGap или размер вашего ядра эрозии. Кроме того, вы можете найти расстояние между линиями. Вам нужно будет идти, если пары строк говорят, что ax1, ay1 - ax2, ay2 cf bx1, by1 - bx2, by2 вы можете найти точку, где градиент под прямым углом (-1 по градиенту линии) до линии пересечений b, Базовая школьная геометрия и одновременные уравнения, что-то вроде:

x = (ay1 - by1) / ((by2 - by1) / (bx2 - bx1) + (ax2 - ax1) / (ay2 - ay1))
# then
y = by1 + x * (by2 - by1) / (bx2 - bx1)

и сравните x, y с ax1, ay1

PS вам может потребоваться добавить проверку расстояния между ax1, ay1 и bx1, by1, поскольку некоторые из ваших линий выглядят как продолжение других линий, и это может быть устранено методом ближайшей точки.