python - 如何在 OpenCV 中找到 T 形的角度

Question

我正在使用 OpenCV 2.4 进行一些跟踪，我可以获得我想要的形状的轮廓，这是一个 T。

输入图像:

我可以使用 cv2.minAreaRect(my_t_contour) 并获取该矩形的角度，但这只会给我 0-180 度。但这是 T 形，所以我希望能够分辨 0-360。我在想:

1. 将轮廓分成两个矩形
2. 通过矩形获取一条线(使用 skeletonize > HoughLinesP)
3. 确定哪条线是哪条线，确定它们的梯度(使用我从 HoughLinesP 获得的坐标)，然后确定 T 的方向。

但我卡在了第 1 个位置，如何将一个轮廓分成两个形状？

---

方法一:绘制等高线中心和等高线minAreaRect中心

dst = cv2.cvtColor(r_target, cv2.COLOR_BGR2GRAY)
dst = cv2.GaussianBlur(dst, (11, 11), 0)
ret,dst = cv2.threshold(dst,110,255,cv2.THRESH_BINARY_INV)
cnts = cv2.findContours(dst, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
for c in cnts:
    # get minAreaRect around contour and draw its center in red
    rect = cv2.minAreaRect(c)
    cv2.circle(r_target, (int(rect[0][0]), int(rect[0][1])), 7, (0, 0, 255), -1)

    # get moments of contour to get center and draw it in white
    M = cv2.moments(c)
    cX = int(M["m10"] / M["m00"])
    cY = int(M["m01"] / M["m00"])
    cv2.circle(r_target, (cX, cY), 7, (255, 255, 255), -1)

下一步可能会计算中心之间的简单梯度以确定角度。

---

方法 2:使用 HoughLinesP 对图像进行骨架化并获取线条。

dst = cv2.cvtColor(r_target, cv2.COLOR_BGR2GRAY)
dst = cv2.GaussianBlur(dst, (11, 11), 0)
ret,dst = cv2.threshold(dst,110,255,cv2.THRESH_BINARY)
dst = 1 - dst / 255
dst = skimage.morphology.skeletonize(dst).astype(np.uint8)
rho = 1
theta = np.pi / 180
threshold = 1
minLineLength = 30
maxLineGap = 15
lines = cv2.HoughLinesP(dst, rho, theta, threshold, minLineLength=minLineLength, maxLineGap=maxLineGap)
for line in lines[0]:
    cv2.line(r_target, (line[0], line[1]), (line[2], line[3]), (0, 255, 0), 1, 8)

但是线条不是很好。这是骨架的样子:

我仍在试验这些变量，但是否有关于使用 HoughLinesP 的特定思考过程？

Answer 1

作为变体，您可以使用 PCA，找到第一个分量方向，并将其用作切角。您可以在此处查看示例:http://docs.opencv.org/trunk/d1/dee/tutorial_introduction_to_pca.html