algorithm - 确定凹点

如果使用goodFeaturesToTrack，我可以获得所有角点(红色，蓝色)。但是，我只想保留凹点(蓝色)。我不知道如何执行。我该怎么做？




下图是实际的运行示例:

最佳答案

正如评论中提到的那样，似乎很容易在这里进行处理，即使用框过滤器(或类似的椭圆形形状)对图像进行卷积，从而获得整个图像的窗口平均值。您只需在转折点处索引此卷积结果即可。如果在这些点处的卷积结果超过50％，则该点周围会有更多白色，因此，这是一个凹点。否则，它是凸的。这就是代码中的样子。

import cv2
import numpy as np
from itertools import tee

def pairwise(iterable):
    a, b = tee(iterable)
    next(b, None)
    return zip(a, b)

# read image as grayscale
img = cv2.imread('example.png', 0)

# get corner points, remove duplicate/nearby points
contours = cv2.findContours(img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[1]
contour = contours[0]
pts = np.array([contour[0]] + [pt1 for pt0, pt1 in pairwise(contour) if not (abs(pt0 - pt1) <= 1).all()])
x, y = pts[:, -1, 0], pts[:, -1, 1]

# get the kernel that you will sum around your corner points
kernel = np.float64(cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (13, 13)))
kernel /= np.sum(kernel)

# convolve the image with the kernel, and pull out the sums at the corner points
conv = cv2.filter2D(img/255, cv2.CV_64F, kernel)
neighborhood_sums = conv[y, x]

# concave indices have more white than black around them, so convolution will be >= 1/2
concave_indices = neighborhood_sums >= 0.5

# draw markers
marked = cv2.merge([img, img, img])
for pt, concave in zip(pts, concave_indices):
    color = (255, 0, 255) if concave else (0, 255, 0)
    marker = cv2.MARKER_TRIANGLE_UP if concave else cv2.MARKER_TRIANGLE_DOWN
    cv2.drawMarker(marked, tuple(pt[0]), color, markerType=marker, markerSize=10, thickness=3)

导入后，我定义了一个 itertools recipes来成对地迭代(例如s -> (s0, s1), (s1, s2), ...)。这对于这个问题并不是很重要，但是对我来说，摆脱了从findContours()捕获的重复点很有用。之后，其余部分将按照前面的描述进行。您可以绘制自己的内核或任何您喜欢的内核，但是我只是从getStructuringElement()中拉了一个内核，因为您可以绘制任意大小的椭圆(尽管请注意，这会返回形状奇怪的内核，但您可能会更好地定义一个圆)。请注意，此处的内核大小是在总宽度中指定的，而不仅仅是半径，并且通过其中1的数量进行归一化，因此结果始终在0到1之间。

这是上面第一张图片中的结果:

关于algorithm - 确定凹点，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/52453040/