数字图像处理opencv,交叉物体计数

Question

数字图像处理，如何准确计数火柴的数量，而不受火柴交叉的干扰，
现有思路有直线检测，轮廓检测，都无法实现，该怎么处理

import cv2
from matplotlib import pyplot as plt
# 12.2 绘制轮廓
img = cv2.imread("/content/matches-random.tif", flags=1)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  # 灰度图像
_, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_OTSU + cv2.THRESH_BINARY_INV)

plt.figure(figsize=(9, 6))

# 12.3 绘制原始图像
plt.subplot(131), plt.axis('off'), plt.title("Origin")
plt.imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))

# 12.4 寻找二值化图中的轮廓
if cv2.__version__.startswith('3'):
    contours, hierarchy = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)  # OpenCV3
else:
    contours, hierarchy = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)  # OpenCV4~

# 12.5 绘制最内层轮廓
contourEx = img.copy()
for i in range(len(contours)):
    if hierarchy[0][i][2] == -1:
        x, y, w, h = cv2.boundingRect(contours[i])
        text = "{}({},{})".format(i, x, y)
        contourEx = cv2.drawContours(contourEx, contours, i, (205, 0, 0), thickness=-1)
        contourEx = cv2.putText(contourEx, text, (x, y), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0, 0, 255))
        print("i=", i, ",contours[i]:", contours[i].shape, ",hierarchy[0][i] =", hierarchy[0][i], "text=", text)

# 12.6 绘制全部轮廓
contourTree = img.copy()
contourTree = cv2.drawContours(contourTree, contours, -1, (0, 0, 255), 2)

# 12.7 显示绘制结果
plt.subplot(132), plt.axis('off'), plt.title("External contour")
plt.imshow(cv2.cvtColor(contourEx, cv2.COLOR_BGR2RGB))
plt.subplot(133), plt.axis('off'), plt.title("Tree contour")
plt.imshow(cv2.cvtColor(contourTree, cv2.COLOR_BGR2RGB))
plt.tight_layout()
plt.show()

Answer 1

引自强大而免费的微信小程序：皆我知道。

以下是使用OpenCV进行火柴数量计数的代码示例：

import cv2
import numpy as np

def count_matches(image):
    # 图像预处理
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    blurred = cv2.GaussianBlur(gray, (5, 5), 0)
    ret, threshold = cv2.threshold(blurred, 100, 255, cv2.THRESH_BINARY_INV)

    # 边缘检测
    edges = cv2.Canny(threshold, 70, 150)

    # 霍夫直线检测
    lines = cv2.HoughLines(edges, 1, np.pi/180, 100)

    # 统计交叉点
    matches = 0
    for i in range(len(lines)):
        for j in range(i+1, len(lines)):
            rho1, theta1 = lines[i][0]
            rho2, theta2 = lines[j][0]
            if abs(theta1 - theta2) > np.pi/4:  # 保证两条线不平行
                intersect_x = int((rho2*np.sin(theta1) - rho1*np.sin(theta2)) / np.sin(theta1 - theta2))
                intersect_y = int((rho1 - intersect_x*np.cos(theta1)) / np.sin(theta1))
                if intersect_x > 0 and intersect_x < image.shape[1] and intersect_y > 0 and intersect_y < image.shape[0]:
                    matches += 1

    return matches

# 读取图像
image = cv2.imread('gunzi.jpeg')

# 计数火柴数量
match_count = count_matches(image)

# 显示结果
cv2.putText(image, 'Match count: {}'.format(match_count), (10, 30), cv2.FONT_HERSHEY_SIMPLEX, 0.9, (0, 0, 255), 2)
cv2.imshow('Count Matches', image)
cv2.waitKey(0)
cv2.destroyAllWindows()

这段代码首先读取名为"gunzi.jpeg"的图像，然后进行一系列的图像处理操作。首先将图像转为灰度图像，然后进行高斯模糊以减少噪声。接下来通过二值化操作将图像转化为黑白图像，便于边缘检测。使用Canny算子进行边缘检测后，使用Hough直线变换检测出图像中的直线。最后，统计交叉点的数量来计算火柴的数量。

在代码中使用cv2.putText函数将计数结果绘制在图像上并显示出来。

请注意，该方法可能对火柴的交叉情况和图像质量有一定的要求，对于较为复杂的火柴交叉场景可能会有一定的误差。如果需要更精确的结果，可能需要使用更高级的算法或手动处理。