如何检测 OpenCV 中的线条？

Question

我正在尝试检测停车线，如下所示。

我希望得到的是清晰的线条和划线中的 (x,y) 位置。然而，结果并不乐观。

我想主要有两个原因：

1. 有些线很破损或缺失。即使是人眼也能清楚地识别它们。尽管 HoughLine 可以帮助连接一些缺失的线，但由于 HoughLine 有时会将不需要的线连接在一起，我宁愿手动完成。

2. 有一些重复的行。

工作的一般管道如下所示：

1.选择一些特定的颜色（白色或黄色）

 import cv2
import numpy as np
import matplotlib
from matplotlib.pyplot import imshow
from matplotlib import pyplot as plt

# white color mask
img = cv2.imread(filein)
#converted = convert_hls(img)
image = cv2.cvtColor(img,cv2.COLOR_BGR2HLS)
lower = np.uint8([0, 200, 0])
upper = np.uint8([255, 255, 255])
white_mask = cv2.inRange(image, lower, upper)
# yellow color mask
lower = np.uint8([10, 0,   100])
upper = np.uint8([40, 255, 255])
yellow_mask = cv2.inRange(image, lower, upper)
# combine the mask
mask = cv2.bitwise_or(white_mask, yellow_mask)
result = img.copy()
cv2.imshow("mask",mask)

2.重复膨胀和腐蚀，直到图像不能改变（ 参考）

 height,width = mask.shape
skel = np.zeros([height,width],dtype=np.uint8)      #[height,width,3]
kernel = cv2.getStructuringElement(cv2.MORPH_CROSS, (3,3))
temp_nonzero = np.count_nonzero(mask)
while(np.count_nonzero(mask) != 0 ):
    eroded = cv2.erode(mask,kernel)
    cv2.imshow("eroded",eroded)
    temp = cv2.dilate(eroded,kernel)
    cv2.imshow("dilate",temp)
    temp = cv2.subtract(mask,temp)
    skel = cv2.bitwise_or(skel,temp)
    mask = eroded.copy()

cv2.imshow("skel",skel)
#cv2.waitKey(0)

3.应用canny过滤线条，使用HoughLinesP获取线条

edges = cv2.Canny(skel, 50, 150)
cv2.imshow("edges",edges)
lines = cv2.HoughLinesP(edges,1,np.pi/180,40,minLineLength=30,maxLineGap=30)
i = 0
for x1,y1,x2,y2 in lines[0]:
    i+=1
    cv2.line(result,(x1,y1),(x2,y2),(255,0,0),1)
print i

cv2.imshow("res",result)
cv2.waitKey(0)

我想知道为什么在选择某种颜色的第一步之后，线条断了并且有噪音。我认为在这一步中我们应该做一些事情来使断线成为一条完整的、噪音较小的线。然后尝试应用一些东西来做 Canny 和 Hough 线。有任何想法吗？

原文由 user824624 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

这是我的管道，也许它可以给你一些帮助。

首先得到灰度图，进行GaussianBlur处理。

 img = cv2.imread('src.png')
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

kernel_size = 5
blur_gray = cv2.GaussianBlur(gray,(kernel_size, kernel_size),0)

二、过程边缘检测使用Canny。

 low_threshold = 50
high_threshold = 150
edges = cv2.Canny(blur_gray, low_threshold, high_threshold)

然后，使用 HoughLinesP 获取线条。 您可以调整参数以获得更好的性能。

 rho = 1  # distance resolution in pixels of the Hough grid
theta = np.pi / 180  # angular resolution in radians of the Hough grid
threshold = 15  # minimum number of votes (intersections in Hough grid cell)
min_line_length = 50  # minimum number of pixels making up a line
max_line_gap = 20  # maximum gap in pixels between connectable line segments
line_image = np.copy(img) * 0  # creating a blank to draw lines on

# Run Hough on edge detected image
# Output "lines" is an array containing endpoints of detected line segments
lines = cv2.HoughLinesP(edges, rho, theta, threshold, np.array([]),
                    min_line_length, max_line_gap)

for line in lines:
    for x1,y1,x2,y2 in line:
    cv2.line(line_image,(x1,y1),(x2,y2),(255,0,0),5)

最后，在 srcImage 上画线。

 # Draw the lines on the  image
lines_edges = cv2.addWeighted(img, 0.8, line_image, 1, 0)

这是我最后的表演。

最终图像：

原文由 ahi 发布，翻译遵循 CC BY-SA 3.0 许可协议