平行轮廓填充代码_2020年国赛B题_接触式轮廓仪的自动标注

题目来源：2020年全国大学生数学建模竞赛D题

欢迎关注公众号《数模派》，可获取更多信息~

商业合作：QQ:1559601632

有一段时间没有更新了。最近在做些其它事。之前有人和我说国赛的D题和E题是给专科组的，于是小编这次做了下2020年国赛D题(下文简称D题)。这个题的难易程度很适合专科生。如果是本科组的题，那么略显简单。就D题的解题思路来说，问题的关键是如何找出所给数据中的轮廓的位置，这需要参赛队员或者指导老师需要了解一些数字图像处理的知识。这里涉及到的主要有：角点检测、霍夫变换、仿射变换。对于以上算法，由于篇幅的原因，小编就不在这里详细介绍了。读者感兴趣的话，可以自行百度。

和数字图像处理不同的是，所给的数据是序列数据，而不是图像。因此，我们有两种思路来解这个题：（1）先把序列数据已散点图的形式可视化，转为图像；然后对图像来做角点检测、霍夫变换、仿射变换；（2）直接用角点检测、霍夫变换、仿射变换操作序列数据。角点检测是用来检测两条直线的交点的。霍夫变换是用来检测直线的，即弧+直线、人字形线。仿射变换是用来校正发生旋转、平移过程的数据的，也就是题目的第二问。方法1不需要自己写角点检测、霍夫变换、仿射变换的代码，直接调用opencv中的相关函数即可。方法2则需要自己写相关的代码。小编使用的是方法2。

1. 轮廓分割

使用角点检测进行轮廓分割，实际上就是找出线段之间的交点。图1为角点检测的结果，其效果很好，所有的角点（图中灰色点）都检测出来了。

图1 角点检测结果

当然，还有另一种方法来实现轮廓分割。分割轮廓，其实质就是计算曲线的波峰、波谷。这是一个 TopN 问题。我们只需要维护一个N 个大小的数组，初始化放入N Query，按照每个Query的统计次数由大到小排序，然后遍历所有记录，每读一条记录就和数组最后一个Query对比，遍历。以上过程可以直接使用python中的heapq包里的方法，heapq.nlargest(n) 计算最大值，既是波峰；heapq.nsmallest(n) 计算最小值，既是波谷。图2为该方法的结果，其效果令人很满意。对于图中最后一部分水平线段，程序认为它也是波谷了。这是因为原数据偏差较大导致的，我们把它手动去除即可。

图2 分割波峰波谷

图2 分割波峰波谷

2. 轮廓参数标注

轮廓总共有三种，线段、弧、线段+弧。如果是发表论文，那么我们用霍夫变换来检测线段。虽然霍夫变换可以检测圆，但小编没有搜到用来检测弧的示例。直接检测弧较为困难。对于比赛来说，这是既耗时又耗力的，得不偿失。因此，对于人字形和单个弧，我们根据波峰和波谷出现的次序来人工识别轮廓。对于线段+弧，我们需要画出它的子图，然后大约估计一下线段和弧的交点位置，以此来分割它。得到轮廓后，计算线段之间的夹角，线段长度，槽口宽度，弧的半径、圆心、弧长，这些都很容易了。

3. 校正

我们采用仿射变换来实现图像校正。仿射变换，就是经过平移、旋转、缩放或者这些操作的组合来改变图像。这是一种线性变换，其结果是，原来互为平行线的直线，进过变换后，依旧是平行线，但是它们的长度可能发生改变。变化前和变化后的坐标满足以下关系：

其中，

,

是变化前的坐标，

,

是变化后的坐标，是

要求的参数。由此可见，我们拟合两个线性方程即可得到校正的方程。这里需要注意的是，所给的变化前和变化后的数据个数相等。小编直接按它们的最小值从前往后截取了。校正的结果如图3所示。对于变化前后的倾斜角度，我们只需要从两组数据中找同一点，计算下它们夹角即可。当然，你也可以把全部的点都计算了，然后求其均值。

图3 校正后的结果

本次分享就结束了，不出意外的话，下次该更新2020年国赛的B题啦~