OpenCV直線擬合檢測

重磅干貨，第一時間送達

本文轉自：opencv學堂

霍夫直線檢測容易受到線段形狀與噪聲的干擾而失真，這個時候我們需要另辟蹊徑，通過對圖像進行二值分析，提取骨架，對骨架像素點擬合生成直線，這種做法在一些場景下非常有效，而且效果很好，在各個論壇以及QQ群中經(jīng)常有人問OpenCV中如何通過一些點來擬合直線，其實OpenCV中都有現(xiàn)成的函數(shù)可以使用。在介紹具體的編碼之前，首先介紹一下相關知識點：

1. 距離變換

距離變換是二值圖像處理與操作中常用手段，在骨架提取，圖像窄化中常有應用。距離變換的結果是得到一張與輸入圖像類似的灰度圖像，但是灰度值只出現(xiàn)在前景區(qū)域。并且越遠離背景邊緣的像素灰度值越大。OpenCV中距離變換的函數(shù)如下：

   

    
distanceTransform(src, distanceType, maskSize, dst=None, dstType=None):
    
- src 表示輸入的二值圖像
    
- distanceType，常見的有DIST_L1、DIST_L2、DIST_C三種方式
    
- maskSize，支持3x3、5x5、DIST_MASK_PRECISE
    
- dst輸出距離變換圖像
    
- dstType 數(shù)據(jù)類型、默認是CV_32F
   

DIST_L1、DIST_L2、DIST_C計算像素距離方式如下：

其中當選擇DIST_L2與DIST_MASK_PRECISE時候，OpenCV會使用TBB并行計算加速，DIST_L1與DIST_C是比較精確的距離計算方式、DIST_L2是比較快而粗糙的距離計算方式。下圖是基于DIST_L2計算得到結果：

2. 水平與垂直投影

關于這個OpenCV中我沒有發(fā)現(xiàn)直接可以使用的相關API，所以我自己寫了點代碼，二值圖像的水平或者垂直投影可以用于粘連字符分割、對象分離，發(fā)現(xiàn)局部極大值像素等處理，是非常重要的二值圖像分析與處理手段。假設有二值圖像與其像素分布如下：

其水平與垂直投影則分別如下：

二：案例分析

對上面這樣一張圖像，需要對其提取水平與垂直的兩條直線，完整的代碼實現(xiàn)分為如下幾步：1.對二值圖像實現(xiàn)距離變換

   

    
h, w, ch = frame.shape
    
# 二值化圖像
    
print("start to detect lines...\n")
    
gray = cv.cvtColor(frame, cv.COLOR_BGR2GRAY)
    
ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)
    
cv.imshow("binary image", binary)
    
cv.imwrite("D:/binary.png", binary)
    

    
dist = cv.distanceTransform(binary, cv.DIST_L1, cv.DIST_MASK_PRECISE)
   

2.水平與垂直投影提取骨架

   

    
result = np.zeros((h, w), dtype=np.uint8)
    
ypts = []
    
for row in range(h):
    
    cx = 0
    
    cy = 0
    
    max_d = 0
    
    for col in range(w):
    
        d = dist[row][col]
    
        if d > max_d:
    
            max_d = d
    
            cx = col
    
            cy = row
    
    result[cy][cx] = 255
    
    ypts.append([cx, cy])
    

    
xpts = []
    
for col in range(w):
    
    cx = 0
    
    cy = 0
    
    max_d = 0
    
    for row in range(h):
    
        d = dist[row][col]
    
        if d > max_d:
    
            max_d = d
    
            cx = col
    
            cy = row
    
    result[cy][cx] = 255
    
    xpts.append([cx, cy])
    

    
cv.imshow("lines", result)
    
cv.imwrite("D:/skeleton.png", result)
   

3.根據(jù)骨架像素點擬合直線

   

    
frame = self.line_fitness(ypts, image=frame)
    
frame = self.line_fitness(xpts, image=frame, color=(255, 0, 0))
    

    
cv.imshow("fit-lines", frame)
    
cv.imwrite("D:/fitlines.png", frame)
   

每步執(zhí)行之后的輸出分別如下：

距離變換結果

骨架提取結果

擬合直線結果