1.4 Finding distance between two curves

这是一道来自answerOpenCV中，非常经典的题目。涉及到图片，看AI能否很好解决。

http://answers.opencv.org/question/129819/finding-distance-between-two-curves/

问题：

编写OpenCV代码，寻找下图中，两条白线之间的最小距离。

提示词：

使用OpenCV库编写图像处理代码，以精确计算图像文件"main.png"中两条白色线条之间的最小距离。代码应包含以下功能模块：图像读取与预处理（包括灰度转换、阈值处理）、边缘检测、线条识别（可使用Hough变换）、线条参数提取，以及基于几何计算的最小距离测量。确保代码能够准确识别图像中的白色线条，处理可能的噪声干扰，并以像素为单位输出两条白线之间的最小距离值。

这里Hough变换的可能采用，应该是正确的。但是这一点就影响AI走这条线路了：

【因此，往往是通用的、容易被想到的方法AI是可行的。但是精妙的方法，AI是比较难以实现的--需要加以引导，它学习续写的能力是比较强的。可能不仅是写代码这样，写材料也是这样的。那么关键就在于能够快速地使用工具，实现在普通情况下无法实现的效果】

 结果我来看看：【AI自己把环境构建好了，所以python的联合效果非常强。但是在真正比较性能的地方，还是需要使用c++代码，这一点我会在后面的Gauss算法中进一步测试】

 

参考标准代码：

import numpy as np
import math
import cv2
 
def cal_pt_distance(pt1, pt2):
  dist = math.sqrt(pow(pt1[0]-pt2[0],2) + pow(pt1[1]-pt2[1],2))
  return dist
 
font = cv2.FONT_HERSHEY_SIMPLEX
img = cv2.imread('test.jpg')
cv2.imshow('src',img)
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
gray = cv2.GaussianBlur(gray, (3,3), 0)
 
ret,thresh = cv2.threshold(gray, 150, 255, cv2.THRESH_BINARY)
contours,hierarchy = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
#thresh,contours,hierarchy = cv2.findContours(thresh, cv2.RETR_LIST, cv2.CHAIN_APPROX_NONE)
 
flag = False
minDist = 10000
minPt0 = (0,0)
minPt1 = (0,0)
for i in range(0,len(contours[1])):#遍历所有轮廓
  pt = tuple(contours[1][i][0])
  #print(pt)
  min_dis = 10000
  min_pt = (0,0)
  #distance = cv2.pointPolygonTest(contours[1], pt, False)
  for j in range(0,len(contours[0])):
    pt2 = tuple(contours[0][j][0])
    distance = cal_pt_distance(pt, pt2)
    #print(distance)
    if distance < min_dis:
      min_dis = distance
      min_pt = pt2
      min_point = pt
  if min_dis < minDist:
    minDist = min_dis
    minPt0 = min_point
    minPt1 = min_pt
  temp = img.copy()
  cv2.drawContours(img,contours,1,(255,255,0),1)
  cv2.line(temp,pt,min_pt,(0,255,0),2,cv2.LINE_AA)
  cv2.circle(temp, pt,5,(255,0,255),-1, cv2.LINE_AA)
  cv2.circle(temp, min_pt,5,(0,255,255),-1, cv2.LINE_AA)
  cv2.imshow("img",temp)
  if cv2.waitKey(1)&0xFF ==27: #按下Esc键退出
    flag = True
    break
  if flag:
    break
 
cv2.line(img,minPt0,minPt1,(0,255,0),2,cv2.LINE_AA)
cv2.circle(img, minPt0,3,(255,0,255),-1, cv2.LINE_AA)
cv2.circle(img, minPt1,3,(0,255,255),-1, cv2.LINE_AA)
cv2.putText(img,("min_dist=%0.2f"%minDist), (minPt1[0],minPt1[1]+15), font, 0.7, (0,255,0), 2)
 
cv2.imshow('result', img)
cv2.imwrite('result.png',img)
cv2.waitKey(0)
cv2.destroyAllWindows()

 

这样计算的结果是：

 

 

根据原图估算，40几应该是正确的：

 

 

如果换一种方法，不指定hough方法，那么它采用的是穷举的方法：

 

显然不够优雅~但是最后的结果计算应该是正确的：

 

所以，还是能够很快地解决问题--但是不够优雅。但是如果从一个更高的层面来看，能够给出更高级别的解决方法，这样就是在更高层次上获得了问题的解决。