文章目录
前言
本博客是第一次新路尝试,主要内容在于说说一些个人心得。如果能够帮到读者或者给到一点启发,不胜荣幸!如若有瑕疵还希望得到中肯的意见。谢谢,鞠躬。
本人是一名即将毕业的考研狗,目前有些关于Open mv一些个人的见解,在这个平台与大家分享。欢迎大家一起交流彼此的见解。
联系方式:
QQ:748615835 Wechat:15215615301
带着问题来看
1.三角形识别可以通过哪些办法?
2.三角形识别函数操作如何调用方法?
3.三角形识别有哪些可以增加正确度的方法?
3.三角形识别还可以另辟蹊径吗?
一、函数
使用函数:
find.line_segments、img.find_template
二、使用方法
1.find.line_segments
image.find_line_segments([roi[, merge_distance=0[, max_theta_difference=15]]])
#roi 是一个用以复制的矩形的感兴趣区域(x, y, w, h)。如果未指定, ROI 即图像矩形。操作范围仅限于roi区域内的像素
#merge_distance 指定两条线段之间的可以相互分开而不被合并的最大像素数。
#max_theta_difference 是上面 merge_distancede 要合并的的两个线段的最大角度差值。
2.img.find_template
image.find_template(template, threshold[, roi[, step=2[, search=image.SEARCH_EX]]]
#template 是一个与这个图像对象相匹配的小图像对象。注意:两图像须都为灰度图
#threshold 是浮点数(0.0-1.0),其中较小的值在提高检测速率同时增加误报率。相反,较高的值会降低检测速率,同时降低误报
#step 是查找模板时需要跳过的像素数量。跳过像素可大大提高算法运行的速度。
#仅支持灰度图像。
三、摄像情况及终端结果
1.find.line_segments
for l in img.find_line_segments(merge_distance = 10, max_theta_diff = 10):
img.draw_line(l.line(), color = (255, 0, 0))
sum += l.theta()
sum -= 180
if sum<110 and sum>1:
print('三角形')
num_segment=1<