Python OpenCV - Versuche eine vollständig sichtbare Kachel zu identifizieren (alle vier Kanten sind sichtbar) und zeichne eine grüne Kontur Kanten

Question

Ich arbeite an einem Projekt, um Bilder der Kacheln zu klicken und OpenCV zu verwenden, um herauszufinden, dass die Kachel besucht wird oder nicht.

unter Fliese Im Bild wird nicht besuchen-able -

Accessible Kachel sollte, wie unten gezeigt werden.

-Code i geschrieben haben, ist mehrere Konturen zu identifizieren.

import numpy as np 
import cv2 

image1 = cv2.imread('floor3.jpg')#, cv2.IMREAD_ANYCOLOR | cv2.IMREAD_ANYDEPTH) 
orig = image1.copy() 
cv2.imshow("Game Boy Screen", orig) 
cv2.waitKey(0) 

gray = cv2.cvtColor(image1, cv2.COLOR_BGR2GRAY) 
gray = cv2.bilateralFilter(gray, 11, 17, 17) 
edged = cv2.Canny(gray, 30, 200) 
flag, thresh = cv2.threshold(edged, 120, 255, cv2.THRESH_BINARY) 
im2, contours, hierarchy = cv2.findContours(thresh,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE) 

try: hierarchy = hierarchy[0] 
except: hierarchy = [] 

height, width, _ = image1.shape 
min_x, min_y = width, height 
max_x = max_y = 0 

# computes the bounding box for the contour, and draws it on the frame, 
for contour, hier in zip(contours, hierarchy): 
    (x,y,w,h) = cv2.boundingRect(contour) 
    min_x, max_x = min(x, min_x), max(x+w, max_x) 
    min_y, max_y = min(y, min_y), max(y+h, max_y) 
    if w > 80 and h > 80: 
     cv2.rectangle(orig, (x,y), (x+w,y+h), (255, 0, 0), 2) 

if max_x - min_x > 0 and max_y - min_y > 0: 
    cv2.rectangle(orig, (min_x, min_y), (max_x, max_y), (255, 0, 0), 3) 

cv2.imshow("Game Boy Screen", orig) 
cv2.waitKey(0) 

Unten ist der Ausgang ich erhalte -

Originalbild:

Answer 1

Original-:

• Zuerst sollten Sie auch Ihr Originalbild einfügen.
• Zweitens, minAreaRect anders als boundingRect zu verwenden, um die gedrehten Rechtecke zu finden.

---

aktualisieren:

Ich glaube nicht tun findContours auf Canny Kanten eine Idee gut ist. Ich mache es einfach auf threshed binary image, dann entfernen Sie die Konturen mit kleinen Flächen. So können wir die Grenze von Regionen bekommen. Dann, um zu beurteilen, ob die Region abgeschlossen ist oder nicht, ist es bis zu Ihrem mathematischen Wissen.

---

#!/usr/bin/python3 
# 2017.12.09 00:25:47 CST 
# 2017.12.09 14:26:01 CST 
import cv2 
import numpy as np 

img = cv2.imread("test.jpg") 
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) 
gray = cv2.bilateralFilter(gray, 11, 17, 17) 
th, threshed = cv2.threshold(gray, 200, 255, cv2.THRESH_BINARY) 
_, cnts, _ = cv2.findContours(threshed,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE) 

canvas = np.zeros_like(img, np.uint8) 
H,W = img.shape[:2] 
AREA = H*W 
for cnt in cnts: 
    area = cv2.contourArea(cnt) 
    if(area<AREA/100): 
     continue 
    _ = cv2.drawContours(canvas, [cnt], -1, (0,255,0), 1, cv2.LINE_AA) 


cv2.imwrite("result.png", canvas) 

---

Update 2: Nachdem die Konturen der Regionen erhalten, dann, wie zu beurteilen, ob es vollständig ist oder nicht?

Sie sollten definieren, was abgeschlossen ist? In dieser Situation, die komplette Kachel bedeutet, es ist ein Viereck, vier Eckpunkte, fast gleiche Längen der Seite. Dann programmieren Sie den Zustand, um dem Computer zu sagen, wie er zu urteilen hat. Es ist Ihre Aufgabe, Sie sollten zuerst versuchen, es selbst zu lösen.

Gesamt Code und das Ergebnis:

#!/usr/bin/python3 
# 2017.12.09 00:25:47 CST 
# 2017.12.09 14:26:01 CST 
# 2017.12.09 17:52:17 CST 
import cv2 
import numpy as np 

## lambda: calc distance 
dist = lambda pt1, pt2: ((pt1[0]-pt2[0])**2 + (pt1[1]-pt2[1])**2)**0.5 

img = cv2.imread("img04.jpg") 

## (1) filter, threshed 
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) 
gray = cv2.bilateralFilter(gray, 11, 17, 17) 
th, threshed = cv2.threshold(gray, 200, 255, cv2.THRESH_BINARY) 

## (2) findContours 
_, cnts, _ = cv2.findContours(threshed,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE) 


## (3) some variables 
H,W = img.shape[:2] 
AREA = H*W 
xcnts = [] 
R = 0.8 

## (4) judge wether the contour is belongs to a complete tile 
for cnt in cnts: 
    ## （4.1） filter by area 
    area = cv2.contourArea(cnt) 
    if(area<AREA/100): 
     continue 
    ## （4.2） calc arpprox contour 
    arclen = cv2.arcLength(cnt, closed=True) 
    approx = cv2.approxPolyDP(cnt, arclen*0.02, closed=True) 
    ## （4.3） filter by "complete ruler" 
    ## "the complete tile means it is a quadrilateral, four corner points, almost equal lengths of side" 
    pts = np.array(approx).reshape(-1,2) 
    if len(pts) == 4: 
     lens = np.array(list(dist(pts[i], pts[(i+1)%4]) for i in range(4))) 
     flag = True 
     for x in lens: 
      if not (R< x/lens[0] < 1.0/R): 
       flag = False 
       continue 
     if flag: 
      xcnts.append(cnt) 

## (5) draw and save 
res = img.copy() 
for cnt in xcnts: 
    cv2.drawContours(res, [cnt], -1, (0,255,0), -1, cv2.LINE_AA) 
cv2.imwrite("00result.png", res) 

---

Update 3 (Datum der letzten Aktualisierung):

ich den festen gedroschen Wert in der Verwendung mein code nur weil dein bild ein großes darlegt k Ursprung. Wie für dieses Bild

,

gibt es keine große dunkle, so dass die Schwellen Flag auf cv2.THRESH_OTSU ändern und modifizieren, um AREA/20 oder größer ist, modifizieren, um die R kleiner wie der Bereich R=0.7 dreschen.

Dann bekomme ich das Ergebnis:

---

ähnliche Fragen:

(1) Image processing using opencv and python

(2) Python OpenCV - Trying to identify a completely visible tile (all four edges are visible) and draw a green contour edges