0

在这里的第一篇文章，我一直在寻找解决问题的方法几天没有结果，我请你帮忙。我对 Python 有足够的经验，但对 OpenCV 的经验很少：我正在尝试分析并获得一条切割线来修剪材料，不包括轮廓附近的缺陷。

在材料图像上，我已经能够获得外轮廓和内轮廓（用于切割），不包括边缘附近的缺陷。

然而，尽管内部轮廓在识别缺陷方面非常完美，但 即使是不应切割的部分也总是会留下偏移量。

我附上照片以清楚说明：红色外边缘（有缺陷），黄色内边缘以消除缺陷：

外轮廓和内轮廓

在这张照片中，有一个我想获得的轮廓示例（对不起，用油漆完成）：

内轮廓方面

我在这里和互联网上尝试了几次搜索以寻找想法，并且我研究了不同的方法（opencv、numpy、scipy、shapely），但无论如何我都无法获得想要的结果。

在实践中，我的困难是识别（我认为应该是一个解决方案）两个轮廓之间的平行度（但是，它们是非常分段的），然后当两者之间的距离为时使黄色轮廓与外部红色轮廓重合小于 X 值。

您对解决问题的方法有什么想法吗？

谢谢你。

4

1 回答 1

0

这有点笨拙，但是您可以比较从内部轮廓上的点到外部轮廓上的点的距离，如果距离小于某个阈值，则“紧贴”到外部轮廓。

你的图像在星星的边缘周围有一些奇怪的伪影，所以我在 Paint 中绘制了我自己的图像。

原始图像

在此处输入图像描述

“紧贴”之后（25 距离截止）

在此处输入图像描述

import cv2
import numpy as np
import math

# 2d distance
def dist2D(p1, p2):
    dx = p1[0] - p2[0];
    dy = p1[1] - p2[1];
    return math.sqrt(dx*dx + dy*dy);

# cling to closest point
def cling(point, other_points, cutoff):
    # find closest point
    best_dist = 10000000; # JUST A BIG NUMBER
    best_point = [0,0];
    for op in other_points:
        dist = dist2D(point, op);
        if dist < best_dist:
            best_dist = dist;
            best_point = op[:];

    # if less than cutoff, cling to point
    if best_dist <= cutoff:
        return best_point;
    return point;

# go through each point on inner and cling to nearby outer points
def clingy(inner, outer, cutoff):
    new_inner = [];
    for point in inner:
        point = cling(point, outer, cutoff);
        new_inner.append(point);
    return new_inner;



# load image
img = cv2.imread("my_stars.png");
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY);

# make a mask
mask_outer = cv2.inRange(gray, 0, 1);
mask_inner = cv2.inRange(gray, 2, 254);

# contours OpenCV3.4, if you're using OpenCV 2 or 4, it returns (contours, _)
_, outer, _ = cv2.findContours(mask_outer, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE);
_, inner, _ = cv2.findContours(mask_inner, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE);

# just take the first contour
outer = outer[0];
inner = inner[0];

# strip out annoying extra brackets
stripped_inner = np.array([p[0] for p in inner]);
stripped_outer = np.array([p[0] for p in outer]);

# cling
cling_inner = clingy(stripped_inner, stripped_outer, 25);

# add back in annoying brackets
cling_inner = np.array([[p] for p in cling_inner]);

# draw on original image
cv2.drawContours(img, [cling_inner], -1, (240,200,0), -1);

# draw original contour again
cv2.drawContours(img, [inner], -1, (150,100,0), 1);

# show
cv2.imshow("Image", img);
cv2.waitKey(0);
于 2021-05-03T22:29:50.780 回答