Fork me on GitHub

如何获得物体的主要方向?

问题来源为网友提供的资料,原文地址为:《Object Orientation, Principal Component Analysis & OpenCV》

问题描述:
对于这样的图像(2副,采用了背投光),如何获得上面工件的主要方向
pca_test1 
pca_test2
 
主要思路:
1、分别获得每个工件的轮廓;
2、处理每个轮廓,采用pca(主成分分析)方法,获得所有轮廓点的集合的中点,主要方向等信息;
3、绘图并返回结果。
 
注:pca相关函数请查看
 
代码略解:
1、读入图片,寻找轮廓;
//读入图像,转换为灰度
    Mat img = imread("e:/sandbox/pca1.jpg");
    Mat bw;
    cvtColor(img, bw, COLOR_BGR2GRAY);
    //阈值处理
    threshold(bw, bw, 150255, CV_THRESH_BINARY);
    //寻找轮廓
    vector<vector<Point> > contours;
    vector<Vec4i> hierarchy;
    findContours(bw, contours, hierarchy, CV_RETR_LIST, CV_CHAIN_APPROX_NONE);
2、首先以大小筛选轮廓;
//轮廓分析,找到工件
    for (size_t i = 0; i < contours.size(); ++i)
    {
        //计算轮廓大小
        double area = contourArea(contours[i]);
        //去除过小或者过大的轮廓区域(科学计数法表示)
        if (area < 1e2 || 1e5 < area) continue;
        //绘制轮廓
        drawContours(img, contours, i, CV_RGB(25500), 28, hierarchy, 0);
        //寻找每一个轮廓的方向
        getOrientation(contours[i], img);
    }
3、单独处理每个轮廓,分析其主要方向,绘制结果
//获得构建的主要方向
double getOrientation(vector<Point> &pts, Mat &img)
{
    //构建pca数据。这里做的是将轮廓点的x和y作为两个维压到data_pts中去。
    Mat data_pts = Mat(pts.size(), 2, CV_64FC1);//使用mat来保存数据,也是为了后面pca处理需要
    for (int i = 0; i < data_pts.rows; ++i)
    {
        data_pts.at<double>(i, 0= pts[i].x;
        data_pts.at<double>(i, 1= pts[i].y;
    }
    //执行PCA分析
    PCA pca_analysis(data_pts, Mat(), CV_PCA_DATA_AS_ROW);
    //获得最主要分量,在本例中,对应的就是轮廓中点,也是图像中点
    Point pos = Point(pca_analysis.mean.at<double>(00),pca_analysis.mean.at<double>(01));
    //存储特征向量和特征值
    vector<Point2d> eigen_vecs(2);
    vector<double> eigen_val(2);
    for (int i = 0; i < 2++i)
    {
        eigen_vecs[i] = Point2d(pca_analysis.eigenvectors.at<double>(i, 0),pca_analysis.eigenvectors.at<double>(i, 1));
        eigen_val[i] = pca_analysis.eigenvalues.at<double>(i,0);//注意,这个地方原代码写错了
    }
    //在轮廓/图像中点绘制小圆
    circle(img, pos, 3, CV_RGB(2550255), 2);
    //计算出直线,在主要方向上绘制直线
    line(img, pos, pos + 0.02 * Point(eigen_vecs[0].x * eigen_val[0], eigen_vecs[0].y * eigen_val[0]) , CV_RGB(2552550));
    line(img, pos, pos + 0.02 * Point(eigen_vecs[1].x * eigen_val[1], eigen_vecs[1].y * eigen_val[1]) , CV_RGB(0255255));
    //返回角度结果
    return atan2(eigen_vecs[0].y, eigen_vecs[0].x);
}
结果展示:
感谢关注,希望有所帮助。
提供的这个gif录屏软件,非常好用。

 

目前方向:图像处理,人工智能
posted @ 2017-10-19 09:22  jsxyhelu  阅读(2457)  评论(1编辑  收藏  举报