python - OpenCV:以给定角度穿过轮廓质心的线

Question

我有一个名为 cnt 的轮廓从下图得到:



我能够找到这样的质心:

M = cv2.moments(cnt)
centroid_x = int(M['m10']/M['m00'])
centroid_y = int(M['m01']/M['m00'])

我现在想画 N 条线，每条线相隔 360/N 度，从质心开始，在所有可能的交点处穿过轮廓。 cv2.line() 函数需要起点和终点，但我没有终点。

如果我画了一条通过质心的线，斜率为 Tan(360/N)，我会使用 bitwise_and 找到线与轮廓的交点。但我无法想出画出那条线的方法。

任何有关如何绘制此类线条的帮助将不胜感激。

Answer 1

我得到了一些工作。这有点特别，但这基本上是我写的算法。我必须重建图像的轮廓，所以我手动读取图像，提取对象的最外层轮廓，然后从那里开始。 cv2.line 有什么好处？方法是，如果您绘制的线超出范围，则该线将被图像边界剪切。这在我写的算法中很有用。

事不宜迟，以下是步骤:

读入图像，阈值然后反转图像，使黑色轮廓线变成白点。

检测最外面的轮廓。

创建原始输入图像的副本，以便我们绘制线条。调用 out .

创建一个“引用”图像，存储在步骤 #2 中找到的最外层轮廓。

检测轮廓点的质心。还可以访问图像的宽度和高度。如果您没有任何宽度或高度值，请选择一个非常大的值......也许像 1000 这样的值。您需要确保该值超出轮廓上任何点的最大值。另外，设置你想要的角度总数，N .

对于我们拥有的每个角度，所以对于 i = 0, 1高达 N - 1 :

一种。创建临时空白图像

湾。计算合适的角度:i*(360 / N)并转换为弧度

C。在临时图像上，从轮廓的质心到图像外部的坐标画一条线，以确保我们沿着我们想要的角度向图像边界画一条线。这条线的水平分量是cos(360/N) (这里的参数是度数)而垂直分量是 -sin(360/N) (参数也以度为单位)。负面的原因是 y轴在我们的图像坐标空间中是向下的正数，所以负数是反转它，以便正数相对于笛卡尔坐标向上。这样做的原因是，当我们计算每条线与中心所成的角度时，角度将是正确的，因为正角度逆时针扫过。从质心开始，我们将移动水平图像的宽度和垂直图像的高度，保持之前找到的水平和垂直分量。这将使我们画出边界线，但线会被图像边界剪裁。

另一个复杂之处是在这个临时图像中画一条线，即 。足够厚的。如果我们画了一条只有 1 个像素粗的线，由于像素的采样和线的绘制方式，您可能会遇到线不与轮廓相交的情况。为了确定，我在这里选择了 5 个像素的厚度。

d。使用这个临时图像，查看哪些位置是 等于 引用图像。对于任何相等的位置，我们已经找到了这条线与原始图像的轮廓相交的位置。因此，选择任何相交的位置，因为粗线很可能会与最外层轮廓产生多个相交点。

e.使用步骤 (d)，从 ​​out 的质心画一条线到我们在步骤 (d) 中找到的位置。

对所有角度重复步骤#6。 out将包含我们在第 6 步完成后的结果。

废话不多说，下面是我写的代码:

# Step #1
img = cv2.imread('contour.png', 0)
img_bw = img <= 128
img_bw = 255*img_bw.astype('uint8')

# Step #2
contours, _ = cv2.findContours(img_bw,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_NONE)

# Step #3
out = img.copy()

# Step #4
ref = np.zeros_like(img_bw)
cv2.drawContours(ref, contours, 0, 255, 1)

# Step #5
M = cv2.moments(contours[0])
centroid_x = int(M['m10']/M['m00'])
centroid_y = int(M['m01']/M['m00'])

# Get dimensions of the image
width = img.shape[1]
height = img.shape[0]

# Define total number of angles we want
N = 20

# Step #6
for i in range(N):
  # Step #6a
  tmp = np.zeros_like(img_bw)

  # Step #6b
  theta = i*(360/N)
  theta *= np.pi/180.0

  # Step #6c
  cv2.line(tmp, (centroid_x, centroid_y),
           (int(centroid_x+np.cos(theta)*width),
            int(centroid_y-np.sin(theta)*height)), 255, 5)

  # Step #6d
  (row,col) = np.nonzero(np.logical_and(tmp, ref))

  # Step #6e
  cv2.line(out, (centroid_x, centroid_y), (col[0],row[0]), 0, 1)

# Show the image
# Step #7
cv2.imshow('Output', out)
cv2.waitKey(0)
cv2.destroyAllWindows()

这是我得到的结果。我选择了20个角度: