标签: corner-detection

我正在尝试找到一种方法来在 MatLab 中找到该二值图像上的角点

我一直在尝试找到一种方法来在该图像上拟合三角形并找到顶点。我尝试过寻找角点，但它返回的值并不总是正确的。
有什么方法可以锐化边缘，以便角函数可以返回更好的结果吗？

我很感激任何意见！谢谢！

什么策略看起来更简单、更有效？我可以使用哪些现有的 MatLab 函数？

我正在寻找一个程序，可以使用 Python 中的 OpenCV 准确检测扭曲矩形的角点。

我已经尝试通过谷歌搜索来解决不同的建议，但是通过直线的正弦叠加（参见阈值图像）我可能无法检测到角点。到目前为止，我尝试了 findContours 和 HoughLines，但没有取得好的结果。不幸的是我不明白Xu Bin关于如何使用opencv找到模糊角位置的C代码？

这是我的初始图像：

调整大小和阈值后，我应用精明的边缘检测来获得以下图像：

contours, hierarchy = cv2.findContours(g_mask, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
box = cv2.minAreaRect(contour)
box = cv2.cv.BoxPoints(box) if imutils.is_cv2() else cv2.boxPoints(box)
box = np.array(box, dtype="float")
box = perspective.order_points(box)

我仅通过一些额外的绘图得到以下结果：

我认为直线拟合是解决问题的好方法，但不幸的是我无法让 HoughLines 工作，并且在查看OpenCV Python - How to Implement RANSAC to detector Straightlines?之后我无法让 HoughLines 工作。RANSAC似乎也很难适用于我的问题。

非常感谢任何帮助。

我试图使用 opencv(python) 中的哈里斯角点检测来检测图像中的所有角点。但由于线的粗细，我在一个角上得到了多个角。我能做些什么来纠正这个问题吗？

代码

import numpy as np
import cv2 as cv
filename = 'Triangle.jpg'
img = cv.imread(filename)
gray = cv.cvtColor(img,cv.COLOR_BGR2GRAY)
gray = np.float32(gray)
dst = cv.cornerHarris(gray,2,3,0.04)
#result is dilated for marking the corners, not important
dst = cv.dilate(dst,None)
# Threshold for an optimal value, it may vary depending on the image.
img[dst>0.01*dst.max()]=[0,0,255]
cv.imshow('dst',img)
if cv.waitKey(0) & 0xff == 27:
    cv.destroyAllWindows()

我有一组平假名字符，我想计算字符的端点/提示数量。

示例：输入图像：

所需的输出图像：

我试过使用凸包

代码：（基于此处的opencv教程）

    findContours(threshold_output, contours, hierarchy, CV_RETR_TREE, CV_CHAIN_APPROX_SIMPLE, Point(0, 0));

    vector<vector<Point> >hull(contours.size());

    for (int i = 0; i < contours.size(); i++)
    {
        convexHull(Mat(contours[i]), hull[i], false);
    }

    Mat drawing = Mat::zeros(threshold_output.size(), CV_8UC3);
    for (int i = 0; i< contours.size(); i++)
    {
        if (hierarchy[i][3] == 0) {
            Scalar color = Scalar(rng.uniform(0, 255), rng.uniform(0, 255), rng.uniform(0, 255));
            drawContours(drawing, hull, i, color, 1, 8, vector<Vec4i>(), 0, Point());
        }
    }

然后 conrnerHarris() 但它返回了太多不需要的角落

代码：（基于此处的opencv教程）

    int blockSize = 2;
    int …

我必须在图像中找到形状的角。我已经使用哈里斯角点检测算法来找到角点，但是它给出了图像中存在的总角点，并且无法为该图像中的特定形状找到角点。请提出其他建议。

我想测量房间表面积（以平方米为单位）并想使用 2D-Lidar 找出平面图。我怎样才能做到这一点？

在图片中，您可以看到很多点。每个点代表相对于激光雷达位置的角度和距离。这是数据集：

angle: 0 distance: 942
angle: 0.62 distance: 3469
angle: 1.25 distance: 3350
angle: 2.5 distance: 3410
angle: 3.12 distance: 3404
angle: 3.75 distance: 3403
angle: 4.37 distance: 3464
angle: 5 distance: 3441
angle: 5.62 distance: 3445
angle: 6.25 distance: 3444
angle: 6.87 distance: 3455
angle: 7.5 distance: 3464
angle: 8.12 distance: 3464
angle: 8.75 distance: 3477
angle: 9.37 distance: 3470
angle: 10 distance: 3504
angle: 10.62 distance: 3505
angle: 11.25 distance: 3505
angle: 11.87 distance: 3516 …

我在 Python 中使用 openCV 来找到一张纸的角点以使其变形。

img = cv2.imread(images[i])

        corners = cv2.goodFeaturesToTrack(cv2.cvtColor(img,cv2.COLOR_BGR2GRAY),4,.01,1000,useHarrisDetector=True,k=.04)
        corners = np.float32(corners)
        print(corners)
        ratio = 1.6
        cardH = math.sqrt((corners[2][0][0] - corners[1][0][0]) * (corners[2][0][0] - corners[1][0][0]) + (corners[2][0][1] - corners[1][0][1]) * (
                    corners[2][0][1] - corners[1][0][1]))
        cardW = ratio * cardH;
        pts2 = np.float32(
            [[corners[0][0][0], corners[0][0][1]], [corners[0][0][0] + cardW, corners[0][0][1]], [corners[0][0][0] + cardW, corners[0][0][1] + cardH],
             [corners[0][0][0], corners[0][0][1] + cardH]])

        M = cv2.getPerspectiveTransform(corners, pts2)

        offsetSize = 500
        transformed = np.zeros((int(cardW + offsetSize), int(cardH + offsetSize)), dtype=np.uint8);
        dst = cv2.warpPerspective(img, M, …

我无法在Python OpenCV模块中找到FAST角点检测器,我尝试了这个就像在该链接中描述的那样.我的OpenCV版本是3.1.0.

我知道像SIFT和SURF这样的特征描述算法已转移到cv2.xfeatures2d,但FAST算法并不在那里.

我在 python 中使用哈里斯角检测的 opencv 实现。我的问题是关于下面 gif 中显示的行为 - 当图像旋转时，角停止被检测到（在各种旋转时）。完整代码：

import cv2

image_path = 'image1.jpg'

original_image = cv2.imread(image_path)

def play(video, name='video', wait=60, key='q'):
    for f in video:
        cv2.imshow(name, f)
        if cv2.waitKey(wait) == ord(key):
            return

def rotate(image, theta, point=(0,0)):
    M = cv2.getRotationMatrix2D((point[1], point[0]), theta, 1)
    return cv2.warpAffine(image, M, (image.shape[1], image.shape[0]))

def rotate_detect(image):
    for theta in range(0, 360):
        img = rotate(image, theta, (original_image.shape[0] / 2, original_image.shape[1] / 2))

        gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

        dst = cv2.cornerHarris(gray,9,13,0.04)

        #result is dilated for marking the corners, not …

我最近使用Matlab 单摄像机校准应用程序算法来校准相机内在函数和外在函数.在找到棋盘的角落时,很多时候detectCheckerboardPointsMatlab的功能执行(准确性)opencv api cv::findChessboardCorners,但在某些图片上,Matlab表现得很奇怪.

例如,在下图中,可以清楚看到棋盘方块之间的角落,而matlab在奇怪的地方找到了多余的角落:

1. 原始图像://应该有5*8 = 40个内角点

2. 在未失真的图像上找到角点:// 6*9 = 54找到

3. 在原始图像上找到的点:// 6*10 = 60 ...

matlab代码片段很简单,如下所示:

img=imread(fn);
[imUndist, newOrig]=undistortImage(img, cameraParams);
[pxs, bdsize]=detectCheckerboardPoints(imUndist); %or detect on 'img' directly
imMarked=insertMarker(imUndist, pxs);
imshow(imMarked);

4. opencv在此图像上检测到(下面的代码)的角非常精确:

// opencv代码:

Mat img = imread(fpath);
int ww = 8, hh = 15;
cv::Size bsz(ww, hh);
vector<Point2f> ptvec;
bool found = cv::findChessboardCorners(img, bsz, ptvec, CALIB_CB_ADAPTIVE_THRESH + CALIB_CB_NORMALIZE_IMAGE);
cv::drawChessboardCorners(img, bsz, ptvec, found);
imshow("img", img);
waitKey();

我发现此帖子OpenCV findChessboardCorners非常慢，但是它不能完全回答我的问题。

我在树莓派上运行相机校准工具，并且要花费大量时间来检测全分辨率图像中的棋盘角。我目前正在重新缩放它们，但是计算出的参数无法用于完整尺寸的图像。

我当时想做的一件事是在较小的图像中检测到角点4倍，然后将角点坐标乘以4，但结果却不尽相同。

您是否认为有办法加快或插入另一个拐角检测？

我正在使用python实现（cv2）

谢谢