opencv：使用主成分分析PCA盘算轮廓的偏转角度

总的来说，就是利用主成分分析方法得到轮廓的主特征向量，根据主特征向量来盘算轮廓的角度
(1)找图像中的轮廓

   读取图像，对图像举行HSV转换，使用明暗通道的图像举行处理轮廓提取

1. cv::Mat imSrc = cv::imread("xx/xx.jpeg");
2. cv::Mat imHSV;
3. cv::cvtColor(imSrc, imHSV, cv::COLOR_RGB2HSV);
4. std::vector<cv::Mat> vImHSV;
5. cv::split(imHSV, vImHSV);
6. cv::Mat imVal = vImHSV[2];
7. cv::threshold(imVal, imVal, 0, 255,  cv::THRESH_OTSU | cv::THRESH_BINARY_INV);
8. cv::Mat imProfile = imVal;
9. cv::Mat kernel = cv::getStructuringElement(cv::MORPH_CROSS, cv::Size(3,3));
10. cv::erode(imProfile, imProfile, kernel, cv::Point(-1, -1), 15);
11. cv::dilate(imProfile, imProfile, kernel, cv::Point(-1, -1), 20);
12. cv::erode(imProfile, imProfile, kernel, cv::Point(-1, -1), 5);
13. std::vector<std::vector<cv::Point>> vCnts;
14. cv::Mat imProfileTmp;
15. cv::Canny(imProfile, imProfileTmp, 50, 255);
16. cv::dilate(imProfileTmp, imProfileTmp, kernel, cv::Point(-1, -1), 15);
17. cv::erode(imProfileTmp, imProfileTmp, kernel, cv::Point(-1, -1), 15);
18. cv::findContours(imProfileTmp, vCnts, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_NONE);
19. if (vCnts.empty())        return -3;

复制代码

(2)使用主成分分析PCA盘算特征向量

   使用主成分分析盘算轮廓的特征向量，根据特征向量得到轮廓的偏转角度
  根据传入的向量，盘算向量的偏转角度：

1. // 计算角度
2. double calculateAngle(const cv::Vec2f& eigenvector) {
3.         return atan2(eigenvector[1], eigenvector[0]);
4. }

复制代码

使用PCA盘算轮廓的特征向量：

1. // 轮廓角度
2. cv::Mat matV01 = cv::Mat(vCnts01).reshape(1, vCnts01.size());
3. matV01.convertTo(matV01, CV_32F);
4. cv::PCA pca1(matV01,cv::Mat(), cv::PCA::DATA_AS_ROW);
5. double A_angle1 = calculateAngle(pca1.eigenvectors.at<cv::Vec2f>(0));

复制代码

总结：PCA能够不外于依赖特定的轮廓外形来盘算多个轮廓之间的偏转角度，比最小外接矩形法、最小外接椭圆法盘算轮廓之间的偏转角度更为实用

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。