Как выровнять прямые при помощи opencv?

Пользователь

от jeremy_larkin , в категории: Другие , 2 месяца назад

Как выровнять прямые при помощи opencv?

Facebook Vk Ok Twitter LinkedIn Telegram Whatsapp

1 ответ

Пользователь

от olen.shanahan , 2 месяца назад

@jeremy_larkin 

Для выравнивания прямых при помощи OpenCV можно использовать алгоритм RANSAC (Random Sample Consensus). Этот алгоритм позволяет отфильтровать выбросы и оценить параметры модели на основе набора данных.


Ниже приведен пример кода на языке Python, использующий OpenCV для выравнивания прямых с помощью RANSAC. В этом примере предполагается, что у вас уже есть массив lines, который содержит обнаруженные прямые.

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
import cv2
import numpy as np

def fit_line_ransac(lines, ransac_iterations=100, ransac_threshold=2):
    best_line = None
    best_num_inliers = 0

    for i in range(ransac_iterations):
        # Выберем случайные две прямые из набора данных
        sample_indices = np.random.choice(len(lines), 2, replace=False)
        sample_lines = lines[sample_indices]

        # Найдем точки пересечения выбранных прямых
        points = []
        for line in sample_lines:
            rho, theta = line
            a = np.cos(theta)
            b = np.sin(theta)
            x0 = a * rho
            y0 = b * rho
            points.append((x0, y0))

        # Оценим параметры модели на основе выбранных прямых
        model_line = cv2.fitLine(np.array(points), cv2.DIST_L2, 0, 0.01, 0.01)

        # Подсчитаем количество точек, которые находятся в пределах порога от оцененной прямой
        num_inliers = 0
        for line in lines:
            rho, theta = line
            x = rho * np.cos(theta)
            y = rho * np.sin(theta)
            distance = cv2.pointPolygonTest(model_line, (x, y), True)
            if distance >= -ransac_threshold:
                num_inliers += 1

        # Если текущая оценка дает более высокое количество точек-выбросов, обновим наилучшую оценку
        if num_inliers > best_num_inliers:
            best_line = model_line
            best_num_inliers = num_inliers

    return best_line

# Определите ваш массив lines, содержащий прямые (rho, theta)

# Вызов функции RANSAC для оценки наилучшей прямой на основе массива lines
best_line = fit_line_ransac(lines)

# Рисуем наилучшую прямую на изображении
h, w = image.shape[:2]
vx, vy, x0, y0 = best_line
x1 = int(x0 - w * vx)
y1 = int(y0 - h * vy)
x2 = int(x0 + w * vx)
y2 = int(y0 + h * vy)
cv2.line(image, (x1, y1), (x2, y2), (0, 255, 0), 2)


В этом примере функция fit_line_ransac принимает массив прямых lines, количество итераций алгоритма RANSAC ransac_iterations (по умолчанию 100) и порог для определения выбросов ransac_threshold (по умолчанию 2). Функция возвращает наилучшую прямую, оцененную на основе RANSAC.


Наилучшая прямая затем используется для отображения на изображении при помощи функции cv2.line().