ओपनसीवी: पता लगाए गए किनारों को फिट करें

Question

मैंने कैनी एज डिटेक्शन का उपयोग करके पानी की लहर के किनारों का पता लगाया। हालांकि, मैं इस किनारे के लिए एक वक्र फिट करना चाहता हूँ। क्या यह ओपनसीवी में संभव है?

यहाँ बढ़त का पता लगाने आपरेशन का परिणाम है::

यहाँ बढ़त का पता लगाने से पहले छवि है

कोड OpenCV ट्यूटोरियल में एक उदाहरण से नकल किया गया था:

import cv2 
import numpy as np 
from matplotlib import pyplot as plt 

img = cv2.imread('BW.JPG',0) 
edges = cv2.Canny(img,100,200) 

plt.plot(1),plt.imshow(edges,cmap = 'gray') 
plt.title('WAVE') 
plt.show() 

Answer 1

लहर बहुत सरल है, इसलिए हम cv2 के आउटपुट द्वारा परिभाषित प्राथमिक किनारे पर बहुपद वक्र फिट करेंगे। सबसे पहले हम के प्राथमिक किनारे को अंक प्राप्त करना चाहते हैं। आइए मान लीजिए कि आपकी उत्पत्ति शीर्ष पर बाईं ओर छवि पर है। मूल छवि को देखते हुए, मुझे लगता है कि अगर हम सीमा (750, 1500) में सबसे बड़े y के साथ अंक लेते हैं तो हमारे पास रुचि के हमारे बिंदुओं के लिए एक अच्छा अनुमान होगा।

import cv2 
import numpy as np 
from matplotlib import pyplot as plt 
from numba import jit 

# Show plot 
img = cv2.imread('wave.jpg',0) 
edges = cv2.Canny(img,100,200) 

# http://stackoverflow.com/a/29799815/1698058 
# Get index of matching value. 
@jit(nopython=True) 
def find_first(item, vec): 
    """return the index of the first occurence of item in vec""" 
    for i in range(len(vec)): 
     if item == vec[i]: 
      return i 
    return -1 

bounds = [750, 1500] 
# Now the points we want are the lowest-index 255 in each row 
window = edges[bounds[1]:bounds[0]:-1].transpose() 

xy = [] 
for i in range(len(window)): 
    col = window[i] 
    j = find_first(255, col) 
    if j != -1: 
     xy.extend((i, j)) 
# Reshape into [[x1, y1],...] 
data = np.array(xy).reshape((-1, 2)) 
# Translate points back to original positions. 
data[:, 1] = bounds[1] - data[:, 1] 

हम इन बातों का ग्राफ़ बना है, तो हम वे बहुत लोगों को हम के लिए लक्ष्य कर रहे थे करने ही वाले हैं देख सकते हैं।

plt.figure(1, figsize=(8, 16)) 
ax1 = plt.subplot(211) 
ax1.imshow(edges,cmap = 'gray') 
ax2 = plt.subplot(212) 
ax2.axis([0, edges.shape[1], edges.shape[0], 0]) 
ax2.plot(data[:,1]) 
plt.show() 

और अब है कि हम जोड़े के समन्वय की एक सरणी हम numpy.polyfit का प्रयोग कर एक सबसे फिट बहुपद के लिए गुणांक उत्पन्न करने के लिए कर सकते हैं और numpy.poly1d उन गुणांकों से समारोह उत्पन्न करने के लिए मिल गया है।

xdata = data[:,0] 
ydata = data[:,1] 

z = np.polyfit(xdata, ydata, 5) 
f = np.poly1d(z) 

और फिर साजिश

t = np.arange(0, edges.shape[1], 1) 
plt.figure(2, figsize=(8, 16)) 
ax1 = plt.subplot(211) 
ax1.imshow(edges,cmap = 'gray') 
ax2 = plt.subplot(212) 
ax2.axis([0, edges.shape[1], edges.shape[0], 0]) 
ax2.plot(t, f(t)) 
plt.show()