c++ - 如何使用OpenCV C++检测图像中有多少阶梯

Question

我正在尝试使用带有C++的OpenCV来检测图像中有多少阶梯，我试图这样做:

1-二值化。

2-Canny筛选器。

3-霍夫滤清器。

4个连接的组件。

我没有得到很好的结果，您对我应该采用哪种方法学有所了解吗？

先感谢您。

这是一个图像示例。

Answer 1

我的算法方法就是这样。找到每个楼梯的线会给我们楼梯号。为了实现 Houghline转换，可以使用。您应该阅读下面链接的文档，才能理解HoughLinesP函数的参数逻辑。

将会遇到第一个问题: Houghline变换将为您提供许多行。为了获得可用的行，我消除了 y轴值彼此接近的行。我通过考虑两个楼梯之间的最小距离来确定此阈值。

注意:要处理与楼梯垂直(90度)拍摄的图像，将获得更好的效果。

以下是这些步骤，结果和代码:

应用GauusianBlur使图像模糊。选择GauusianBlur而不是others的原因，我相信GaussianBlur与 houghline转换有很好的组合。

应用Canny Edge detection。

将图像转换为BGR格式。

应用HoughLinesP并找到所有可能的行

应用上面说明的算法方法。

获取结果。

码:

#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include <iostream>

using namespace cv;
using namespace std;

int main()
{

    Mat img = imread("/home/rnd/Desktop/photos/stairs.png");
    imshow("Source",img);

    //Apply Gaussian blur to get good results
    GaussianBlur(img,img,Size(5,5),0,0);

    Mat dst, out_img,control;
    Canny(img, dst, 80, 240, 3);
    cvtColor(dst, out_img, CV_GRAY2BGR);
    cvtColor(dst, control, CV_GRAY2BGR);

    vector<int> y_keeper_for_lines;
    vector<Vec4i> lines;
    HoughLinesP(dst, lines, 1, CV_PI/180, 30, 40, 5 );

    for( size_t i = 1; i < lines.size(); i++ )
    {
        Vec4i l = lines[i];
        line( control, Point(l[0], l[1]), Point(l[2], l[3]), Scalar(0,0,255), 3, CV_AA);
    }

    Vec4i l = lines[0];
    line( out_img, Point(0, l[1]), Point(img.cols, l[1]), Scalar(0,0,255), 3, CV_AA);
    y_keeper_for_lines.push_back(l[1]);

    int okey = 1;
    int stair_counter = 1;

    for( size_t i = 1; i < lines.size(); i++ )
    {
        Vec4i l = lines[i];
        for(int m:y_keeper_for_lines)
        {
            if(abs(m-l[1])<15)
                okey = 0;

        }
        if(okey)
        {
            line( out_img, Point(0, l[1]), Point(img.cols, l[1]), Scalar(0,0,255), 3, CV_AA);
            y_keeper_for_lines.push_back(l[1]);
            stair_counter++;
        }
        okey = 1;

    }
    putText(out_img,"Stair number:" + to_string(stair_counter),Point(40,60),FONT_HERSHEY_SIMPLEX,1.5,Scalar(0,255,0),2);
    imshow("Before", img);
    imshow("Control", control);
    imshow("detected lines", out_img);
    waitKey(0);
    return 0;
}

结果:

在高斯之后:



算法之前的HoughLinesP:



后算法: