opencv如何精準定位十字？

01-07

我想要做一個精準識別十字線中心的程序，可以實時的給出圖像中十字交點的在圖像中的坐標。
我現在的實現方案是先用形態學梯度（膨脹減去腐蝕）找出直線的大致輪廓，
然後用霍夫線檢測出直線

然後用角點檢測，可以找出四個交點，然後求平均值就能找到中點坐標。
但現在問題是檢測圖片沒有問題，但是放到視頻里，就會出現檢測不穩，
主要是形態學變換的時候後，就算鏡頭不抖，光源穩定，但腐蝕膨脹的結果圖也一直在跳動。就導致檢測出的邊緣一直在跳。
想請問知乎的大神們，有沒有更好的解決方案可以穩定的檢測到交線的正中心。多謝!!!!
/---------------------canny補充---------------------------------------/
我寫了函數，過濾了一部分
這是最終處理結果，但是這是檢測的圖片，如果寫進視頻處理里，那就回一直抖啊抖的不停。一會少線，一會多線，根本沒法做角點檢測

/*********************************11.07**************************************/
Detech函數就是處理圖像的函數。
裡面很簡單，先換成hsv，然後通道分離，把s通道先開運算，然後分別把開運算結果賦給dilateImage和erodeImage，然後dilateImage膨脹，erodeImge腐蝕。然後相減得輪廓。
lilateImage膨脹後的圖像一直在變化，腐蝕的也是。但是原圖像沒有任何變化。
/**************************************************************************/

補充一個思路，對最後二值圖水平方向投影與垂直方向投影。在投影直方圖上找到中心附近極大值，再根據水平或垂直方向在極大值點序列中計算x、y坐標均值，基本上就是中心點。

另一個思路，如果兩條帶狀目標一直是垂直的，相機投影平面與目標物平面也是平行的條件下，直接找外輪廓上四個點，形心就是待求目標。

最後，如果在梯度圖上轉頻域處理，高頻區域應該就是交叉點附近區域。

如果題主不介意使用MATLAB的話（轉成OpenCV也比較容易）：

% read image im = imread("org.jpg"); figure;imshow(im); title("Original rgb image")

% convert to gray imG = mat2gray(rgb2gray(im)); figure;imshow(imG) title("Grayscale image")

% threshold using Gaussian mean (sigma=50) imGaussianMean = imgaussfilt(imG, 50); imBW = imG &> imGaussianMean; figure;imshow(imBW) title("Binary image after Gaussian filter")

% keep the largest area and morphological closing imBW = bwareafilt(imBW,1); imBW = bwmorph(imBW,"close"); figure;imshow(imBW) title("Binary image after area filter and morphological closing")

% skeletonize imSkele = bwmorph(imBW,"skel", inf); figure;imshow(imSkele) title("Skeleton image")

% remove spurs imCross = bwmorph(imSkele,"spur", inf); figure;imshow(imCross) title("Final cross center")

% display cross and skeleton together figure;imshowpair(im, imCross) title("Cross center overlaid on original image")

以上代碼適用於原圖，這裡我將你的圖片旋轉了，驗證代碼也適用於旋轉後的十字。

什麼都不說，先上代碼，環境Ubuntu 16.04 opencv 3.3

#!/usr/bin/env python3 # -*- coding: utf-8 -*- """ Created on Sun Nov 26 11:43:10 2017


@author: zhao

"""
import numpy as np

import cv2

import matplotlib.pyplot as plt
im = cv2.imread("cross.jpg")

img_orig  = np.copy(im)
im = cv2.cvtColor(im,cv2.COLOR_BGR2GRAY)

im = cv2.GaussianBlur(im,(13,13),1.4,1.4)
thres,im = cv2.threshold(im,0,255,cv2.THRESH_OTSU)
plt.imshow(im,cmap="gray"),plt.show()
img,*contours = cv2.findContours(im,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)  
are = [cv2.contourArea(i)  for i in contours[0]]

are = np.array(are)

index = np.argmax(are)

img = np.zeros(im.shape)

im = cv2.drawContours(img,contours[0],index,255,-1)

im = cv2.morphologyEx(img,cv2.MORPH_CLOSE,cv2.getStructuringElement(cv2.MORPH_RECT,(3,3)))
x_acc = np.sum(im,axis=0)

y_acc = np.sum(im,axis =1)
plt.plot(x_acc,"r")

plt.plot(y_acc,"g")

plt.show()
x_diff = np.diff(x_acc)

y_diff = np.diff(y_acc)
plt.plot(x_diff,"r")

plt.plot(y_diff,"g")

plt.show()
x_index1 = np.argmax(y_diff)

x_index2 = np.argmin(y_diff)
x_center = (x_index1+x_index2)//2
y_index1 = np.argmax(x_diff)

y_index2 = np.argmin(x_diff)
y_center = (y_index1+y_index2)//2

img_orig = cv2.circle(img_orig,(y_center,x_center),10,(0,0,255),-1) img_orig = cv2.cvtColor(img_orig,cv2.COLOR_BGR2RGB) plt.imshow(img_orig),plt.show()

提供個跟其他人不同的思路

剛開始我也用啥邊緣檢測，但感覺效果挺差的，後來換顏色檢測，程序很簡單，但跑起來效果挺好的，不過不知道是否適應你的這個問題，所以只是提供個思路而已

---------------------

用顏色檢測，沒記錯的話一般來說opencv會推薦用hsv空間，需要把常見的rgb進行到hsv的轉換，你可以利用photoshop，需要注意的是他們取值範圍是不同的，我自己今年電賽板球系統識別小球，特地找了一個騷粉騷粉的小球，白色的背景，超級容易識別，然後用的圓檢測取中心位置，感覺效果挺不錯的。我看題主的圖片感覺顏色區別度還挺大的（沒拿ps取點看值，所以具體值，差別大不大，還要你自己看啦），可以練習玩一玩，反正也沒幾行代碼，試一試唄

看到這麼多思路正經跑過的也沒幾個 這我貼一下結果下面有源碼 Python寫的

樓主發的圖運行結果

自己旋轉後藍色的點是求解的中點

代碼

https://github.com/StormS0/FindCenter/blob/master/%E6%89%BE%E4%B8%AD%E7%82%B9.py

用到角點檢測和二值化找到角點進行排序

隨便寫的邏輯什麼的不是很好，要是有大佬的話可以幫我修正一下

第一次解答這類問題，好用就給個贊吧謝謝

我想到就這幾種

方案1：

二值化-取骨架-然後拿 $[ left[egin{matrix} 1 0 1\ 0 1 0\ 1 0 1\ end{matrix} ight] ]$ $[ left[egin{matrix} 0 1 0\ 1 1 1\ 0 1 0\ end{matrix} ight] ]$ 做卷積（或者盒式濾波器），找到交點（這種方法可行性上可能還是欠考慮）。

方案2：

二值化-取骨架-然後拿構建自動機對骨架進行分析，找到交點。

方案3：

二值化-hough變換-通過兩條直線的方程求解交點

方案4：（這個答案也是前面人答過最多的答案）

二值化-位置直方圖-找到直方圖最小值（或如果是一橫一縱找最大值）處作為橫縱坐標。

方案5：（如果十字的兩條直線是從圖像的一邊到另外一邊的，即拉通圖像的）

二值化---對取骨架的演算法進行修正，對於線段端點也把它刪去，最終得到兩條沒有細小分支的細線，這個時候只有交叉點上是有分支的---再從某一條細線在邊界上的端點處開始，挨著細線一個點一個點壓棧進行搜索，找到有分支的交叉點。

方案6：

S-USAN運算元找到四個角點坐標，求中心。

為啥用角點？求出兩條水平線的中間的線和兩條垂線的中間的線，再求他們交點不是就行了

使用灰度圖，直接裁個十字心作子圖，在圖上做卷積，在卷積圖中找局域極值，就能定位。

你可以試試canny檢測出邊緣，然後做直線檢測，那樣就不用腐蝕和膨脹了。

一些回答沒有考慮圖像中有多餘的東西或者十字旋轉，我提供另一種思路，首先得到binary image，然後用BFS greedy search掃描整張圖一遍，得到所有的white area的blob，然後對於每個blob分別得到X方向和Y方向最大和最小的四個點，這樣我們就可以估計出這四個點生成的十字，然後跟blob中所有的其他坐標進行擬合，如果匹配就是檢測到，這樣做的好處還有就是可以很容易得到中心坐標，而且只掃整張圖每一個像素一遍，計算量應該是所有答案中最小的

怎麼定位手機號碼

簡單，dl回歸4個關鍵點

個人的方法：

直接二值化，提取十字圖像，

然後水平方向求和，取極大值。

然後豎直方向求和，取極大值。

兩個極大值就是十字中心

遇到平頂直接以平頂中間為極值。

投影求直方圖然後thresholding是比較好的做法，如果圖像略有旋轉，可以先求出四個邊上條帶中心的圖像坐標，然後求出兩條直線方程和交點，如果抖動比較厲害建議用五到十幀的moving average。