首先通过sobel中的参数0,1对图像矩阵进行纵向求导(1,0为横向求导),然后最小二乘法对第列的最大值的坐标进行直线拟合,得到其斜率和纵截距
当然也可以调用scipy库进行多项式拟合,这样更简单。
#图像拟合
import cv2
import numpy as np
import math
#import scipy.linalg as la
#求角度
def gradient(frame):
frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)#转化为灰度图像
frame = cv2.GaussianBlur(frame, (3,3), 0)#高斯模糊,去噪
_, Imask = cv2.threshold(frame, 80, 255, cv2.THRESH_BINARY)#二值化
Imask = cv2.erode(Imask, None, iterations=2)
Imask = cv2.dilate(Imask, np.ones((5, 5), np.uint8), iterations=2)
sobely=cv2.Sobel(Imask,cv2.CV_64F,0,1,ksize=5)
sobely=abs(sobely)
_,c=cv2.threshold(sobely, 500, 255, cv2.THRESH_BINARY)#二值化
row,col=c.shape
c=c[int(row/5):int(row*4/5),int(col/3):int(2*col/3)]
row,col=c.shape
cv2.imshow('o',c)
x=np.linspace(0,col,col)
y=np.array(x)
for i in range(col):
cy=row-np.argmax(c[:,i])
print(c[:,i])
y[i]=cy
xmean=x.mean()
ymean=y.mean()
k=((x*y).mean()-xmean*ymean)/(pow(x,2).mean()-(xmean**2))
#b=ymean-k*xmean
angle =math.atan(k)
angle=float(angle*180/math.pi)
print(angle)
return angle
orgframe=cv2.imread('C:\\Users\\YS\\Desktop\\33.jpg',1)
angle=gradient(orgframe)
print(angle)
#turn(angle)
cv2.waitKey(0)
cv2.destroyAllWindows()
原图:
处理之后:
输出:-25.224671300310334
-25.224671300310334
由于处理之后的图是从 c=c[int(row/5):int(row4/5),int(col/3):int(2col/3)]该区域剪出来的(视角需要),所以与原图大小不同,不要被视觉效果影响,可以比对一下直线与原图一致,而角度大致为25度。
除此之外,直线的得到还可以见链接