python - 如何在OpenCV中找到T形的角度

我正在使用OpenCV 2.4进行一些跟踪，并且可以获得我想要的形状的轮廓，即T。

输入图片:


我可以使用cv2.minAreaRect(my_t_contour)并获取该rect的 Angular ，但这仅给我0-180度。但这是T形，因此我希望能够分辨0-360。我在想:

将轮廓分成两个矩形

通过rect获取一条线(可以使用skelegated> HoughLinesP)

确定哪条线，确定其坡度(使用我从HoughLinesP获得的坐标)，然后确定T的方向。

但是我被困在数字1上，如何将轮廓分成两个形状？

方法1 :绘制轮廓中心和minAreaRect轮廓中心

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)

下一步可能会计算出中心之间的简单梯度以确定 Angular 。

方法2 :使用HoughLinesP骨架化图像并获取线条。

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，线条并不完美。这是骨架的样子:



我仍在尝试使用变量，但是围绕HoughLinesP是否有特定的思考过程？

最佳答案

作为一种变体，您可以使用PCA，找到第一个零部件方向，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