项目实战 五 拟合直线 获得中线

一、简介

        项目中常见的最常见的拟合一般多是拟合直线和拟合圆,但是我个人最初在自学halcon 的时候总是一看到类似直线的东西就直接拟合,一看到类似圆的东西就直接拟合圆,但是我们在做项目的时候要有很多的禁忌,要考虑到很多的东西,所以要让算法有更强的兼容性,下面我们来一起看一这个拟合直线如何拟合:

1、传入一张图片,和一个ROI

2、使用二维卡尺找出拟合直线的点(这一步很重要)

3、从第二步的点来拟合圆,但是我们会设点一个点到直线的最小距离,用这个距离来判断直线的拟合优越性,删除掉一些到跳点,防止一些个别点导致拟合直线不理想的问题

4、输出

从上面我们可以得到一条 或者多条直线,那如果是求出两条直线的中线,如何来求呢?

1 、首先传入两条中线

2、判断这两天直线的角度以及这两天直线是不是相交

3、如果相交,求直线上(线段的端点)在另外一条直线上的投影点,直接取中点,同理求另外一个端点的投影,求中点,连起来就是中线

4、如果有相交,那么这个就比较复杂点,首先我们要计算两个端点(直线出入的端点)到2 中计算得出的点到点的距离d1 d2

5、然后以2中的交点(假设r,c)r,c,d1 以及r,c,d2画圆,然后计算另外一条直线与这两个圆之间的交点

6、上图中的两个端点就是我们最想要的两个点 

7、最后输出

二、拟合直线

核心代码: 

        * 使用二维测量来找点
        create_metrology_model (MetrologyHandle)
        *设置句柄模型的大小
        set_metrology_model_image_size (MetrologyHandle, Width, Height)
        add_metrology_object_generic (MetrologyHandle, 'line', [Row1,Col1,Row2,Col2], Len2[Len2Index], RectWidth[RectWidthIndex], Sigma[SigmaIndex], Threshold[ThresholdIndex], [], [], temp)
        * 设置参数
        set_metrology_object_param (MetrologyHandle, 'all', ['measure_transition','num_measures','measure_select'], [Transtion[TransitionIndex], Count[CountIndex], Select[SelectIndex]])
     *  set_metrology_object_param (MetrologyHandle, 'all', 'measure_select', Select[SelectIndex])    
        *使用参数
        apply_metrology_model (Image, MetrologyHandle)
        * 得到结果
        get_metrology_object_measures (Contours, MetrologyHandle, 'all', 'all', Rows, Columns)
        gen_cross_contour_xld (Cross1, Rows, Columns, 6, 0.78)
        clear_metrology_model (MetrologyHandle)


      *拟合直线
            fit_line_contour_xld (Contour, 'drop', -1, 0, 5, 2, TempRowBegin, TempColBegin, TempRowEnd, TempColEnd, TempNr, TempNc, TempDist)
             * 计算拟合的直线和点之间的距离
            distance_pl (Rows, Columns, TempRowBegin, TempColBegin, TempRowEnd, TempColEnd, Distance)
            tuple_max (Distance, Max)
            * 在联系的删除点中是不是有足够的点来拟合
            *  删除max/2的点
            if(Max < MinDist[MinDistIndex])
                break
            endif
            * 删除不符合点到直线距离的点
            tuple_less_elem (Distance, Max/2, Less)
            tuple_find (Less, 0, Indices)
            tuple_remove (Rows, Indices, ValidRows)
            tuple_remove (Columns, Indices, ValidCols)

三、获得中线

核心代码:

  *求直线和圆的交叉点
   gen_circle_contour_xld (ContCircle, Row, Column,  Distance1, 0, 6.28318, 'positive', 1)
   gen_circle_contour_xld (ContCircle2, Row, Column,  Distance2, 0, 6.28318, 'positive', 1)
   intersection_line_circle (line2[0], line2[1], line2[2], line2[3], Row, Column, Distance1, 0, 6.28318, 'positive', Row1, Column1)
   intersection_line_circle (line2[0], line2[1], line2[2], line2[3], Row, Column, Distance2, 0, 6.28318, 'positive', Row2, Column2)
   * 显示交点

  • 5
    点赞
  • 12
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
在OpenMV中进行拟合中线的过程可以分为以下几个步骤: 1. 预处理图像:首先,你需要对图像进行预处理,以便提取出中线所在的区域。这可以通过应用图像处理技术,如二值化、边缘检测等来实现。 2. 检测直线:使用OpenMV的线检测功能,可以检测出图像中的直线。你可以使用`find_lines`函数来实现这一步骤。该函数会返回一个包含所有检测到的直线的列表。 3. 拟合中线:根据检测到的直线,你可以使用线性回归算法来拟合中线。线性回归是一种用于建立变量之间线性关系的统计模型。你可以使用NumPy库中的`polyfit`函数来进行线性回归拟合。 下面是一个示例代码,演示了如何在OpenMV中拟合中线: ```python import sensor import image import time import math import numpy as np # 初始化摄像头 sensor.reset() sensor.set_pixformat(sensor.RGB565) sensor.set_framesize(sensor.QVGA) sensor.skip_frames(time = 2000) # 设置阈值 GRAYSCALE_THRESHOLD = [(0, 64)] # 寻找中线 def find_center_line(): img = sensor.snapshot() img.binary(GRAYSCALE_THRESHOLD) lines = img.find_lines() # 拟合中线 x = [] y = [] for line in lines: rho, theta = line x.append(rho * math.cos(theta)) y.append(rho * math.sin(theta)) # 线性回归拟合 coeffs = np.polyfit(x, y, 1) k, b = coeffs return k, b # 主循环 while True: k, b = find_center_line() print("斜率:", k) print("截距:", b) time.sleep(100) ``` 请注意,以上代码仅为示例,具体的拟合中线过程可能需要根据实际情况进行调整和优化。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值