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
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
!这个函数,在opencv里面已经并入标准库了。
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, 150, 255, 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( 255, 0, 0), 2, 8, 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 >( 0, 0),pca_analysis.mean.at < double >( 0, 1)); //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( 255, 0, 255), 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( 255, 255, 0)); line(img, pos, pos + 0. 02 * Point(eigen_vecs[ 1].x * eigen_val[ 1], eigen_vecs[ 1].y * eigen_val[ 1]) , CV_RGB( 0, 255, 255)); //返回角度结果 return atan2(eigen_vecs[ 0].y, eigen_vecs[ 0].x); }
结果展示: