OpenCV二值图像分析之寻找缺失与靶心

大家好，今天给大家分享两个来自OpenCV研习社提问的帖子，都是很经典的图像处理与分析问题，希望通过这两个例子，大家能够得到更多的启发，从而想到更好的解决类似问题的思路。

图一

图二

仔细观察图一，可以看到两个最直接的是靶心有十字交叉线，而在OpenCV形态学处理中，支持十字交叉结构元素，所以我们可以先检测两条线，然后获取十字交叉结构，最后对结构进行轮廓分析，获取中心点，即可获得最终的靶心位置，最终寻找到的靶心位置图示如下：

获取水平与垂直线如下：

获取十字交叉线如下：

代码实现如下：

 1image = cv.imread("D:/images/zsxq/cross.jpg")
 2cv.imshow("input", image)
 3gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
 4ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_OTSU | cv.THRESH_BINARY_INV)
 5se1 = cv.getStructuringElement(cv.MORPH_CROSS, (50, 1))
 6se2 = cv.getStructuringElement(cv.MORPH_CROSS, (1, 50))
 7hline = cv.morphologyEx(binary, cv.MORPH_OPEN, se1)
 8vline = cv.morphologyEx(binary, cv.MORPH_OPEN, se2)
 9contours, hireachy = cv.findContours(hline, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)
10mask = np.zeros_like(hline)
11max = -1
12index = 0
13for cnt in range(len(contours)):
14    x, y, w, h = cv.boundingRect(contours[cnt])
15    if max < w:
16        max = w
17        index = cnt
18cv.drawContours(mask, contours, index, (255), -1, 8)
19
20cv.imshow("vline", vline)
21contours, hireachy = cv.findContours(vline, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)
22max = -1
23index = 0
24for cnt in range(len(contours)):
25    x, y, w, h = cv.boundingRect(contours[cnt])
26    if max < h and x < int(gray.shape[1]*0.75):
27        max = h
28        index = cnt
29
30cv.drawContours(mask, contours, index, (255), -1, 8)
31cv.imshow("mask", mask)
32
33se3 = cv.getStructuringElement(cv.MORPH_CROSS, (13, 13))
34mask = cv.morphologyEx(mask, cv.MORPH_OPEN, se3)
35cv.imshow("corss", mask)
36contours, hireachy = cv.findContours(mask, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)
37for cnt in range(len(contours)):
38    x, y, w, h = cv.boundingRect(contours[cnt])
39    print(x, y, w, h)
40    cx = (x + w//2)
41    cy = (y + h//2)
42    cv.circle(image, (cx, cy), 4, (0, 0, 255), 4, 8, 0)
43cv.imshow("result", image)
44cv.imwrite("D:/find_cross.png", image)
45cv.waitKey(0)
46cv.destroyAllWindows()

仔细观察图二，缺失是偶发情况，针对这种情况下，要完成计数与缺失位置标定！我感觉我的密集恐惧症已经开始犯了！首先需要获取这些位置，通过二值话与轮廓发现搞定，然后根据这些轮廓位置，重新绘制统一的圆形标记，轮廓发现对每个圆形标记进行上下左右位置最近领搜索，返回间隔距离，-1表示边界，根据间隔距离设置阈值查找缺失，最终运行结果如下：

从原图得到的标记图如下：

代码实现如下：

 1image = cv.imread("D:/images/zsxq/zsxq_40.png")
 2gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
 3ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_OTSU | cv.THRESH_BINARY_INV)
 4cv.imshow("binary", binary)
 5contours, hireachy = cv.findContours(binary, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)
 6mask = np.zeros_like(binary)
 7for cnt in range(len(contours)):
 8    area = cv.contourArea(contours[cnt])
 9    if area < 50:
10        continue
11    x, y, w, h = cv.boundingRect(contours[cnt])
12    if (y + h) > (binary.shape[0] - 10):
13        continue
14    cx = (x + w//2)
15    cy = (y + h//2)
16    cv.circle(mask, (cx, cy), 4, (255), 4, 8, 0)
17cv.imshow("mask", mask)
18contours, hireachy = cv.findContours(mask, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)
19for cnt in range(len(contours)):
20    x, y, w, h = cv.boundingRect(contours[cnt])
21    cx = (x + w//2)
22    cy = (y + h//2)
23    left = find_neighborhood(mask, cx, cy, 1)
24    right = find_neighborhood(mask, cx, cy, 2)
25    # top = find_neighborhood(mask, cx, cy, 3)
26    # bottom = find_neighborhood(mask, cx, cy, 4)
27    if left == -1 or right == -1: # or top == -1 or bottom == -1:
28        continue
29    dx = right - left
30    # dy = top - bottom
31    # print(dx, dy)
32    if dx > 15:
33        cv.circle(image, (cx + left + 10, cy), 4, (0, 0, 255), 4, 8, 0)
34
35cv.imshow("test", image)
36cv.imwrite("D:/find_miss.png", image)
37cv.waitKey(0)
38cv.destroyAllWindows()