Обнаружение узлов сетки с использованием OpenCV (или с использованием чего-то другого)

Question

У меня есть сетка на изображениях (они из камеры). После бинаризации они выглядят следующим образом (красный - 255, синий - 0):

Каков наилучший способ определения узлов сетки (крестов) на этих снимках? Примечание: сетка искажается из ячейки в ячейку неравномерно.

Update:

Некоторые примеры различных сетей и тир искажения до бинаризации:

Answer 1

я полагаю, что это может быть потенциальный ответ (на самом деле упомянутых в комментариях): http://opencv.itseez.com/2.4/modules/imgproc/doc/feature_detection.html?highlight=hough#houghlinesp

Также могут использоваться другие способы использования инструментов для просмотра изображений.

Но на самом деле я думаю, что вместо преобразования Хафа, которое может способствовать огромному раздуванию и отсутствию точности (прямые линии), я бы предложил попробовать определение угла Гарриса - http://docs.opencv.org/2.4/doc/tutorials/features2d/trackingmotion/harris_detector/harris_detector.html.

Это может быть дополнительно отрегулировано (поперечные углы, поэтому местный максимум должен зависеть от распределения перекрестка) к вашей конкретной проблеме. Тогда можно приблизить некоторые кривые на основе полученных точек.

Answer 2

В таких случаях я сначала попытаюсь найти наилучшую отправную точку. Итак, сначала я пороги изображения (однако я также мог скелетирую его и только тогда порог Но таким образом некоторые данные будут потерян безвозвратно.):

Затем я попытался нагрузками инструментов, чтобы получить максимальные заметные черты подчеркиваются навалом.И, наконец, играть с G'MIC плагин Gimp, я нашел это:

Исходя из вышеизложенного, я подготовил универсальный шаблон, который выглядит следующим образом:

Тогда я только что получил часть этого изображения:

Чтобы помочь determ угол ини я сделал местную FREQ Фурье график - таким образом, вы можете получить ваш шаблон локального угла:

Затем вы можете сделать простой густой, что быстро работает на современных графических процессорах - получить разницу, как этот (пропущенного случай) :

Когда ударил разница минимальна; то, что я имел в виду, говоря о местных максимумах, более или менее относится к тому, как следует обрабатывать полученную разницу. Было бы нецелесообразно взвешивать за пределами разности кругов рисунка, так же как и внутри, из-за чувствительности к масштабному коэффициенту. Таким образом, внутри с крестом следует взвешивать больше в используемом алгоритме. Тем не менее разностная модель с изображением выглядит следующим образом:

Как вы можете видеть, что можно различать хит и пропустить. Важно установить правильную допуск и использовать частоты Фурье для получения угла (с пороговыми изображениями Фурье обычно следует общей ориентации анализируемого изображения). Вышеуказанный способ может быть позже дополнен обнаружением Харриса, или обнаружение Харриса может быть изменено с использованием вышеприведенных узоров, чтобы отличить два-четыре близко расположенных угла. К сожалению, все методы зависят от масштаба в таком случае и должны быть соответствующим образом скорректированы. Существуют также другие подходы к вашей проблеме, например, сначала путем их водоразделения, затем получения областей, а затем игнорирования переднего плана, затем упрощения кривых, а затем проверки того, являются ли их углы последовательным эквидистантным шаблоном. Но для моего носа это не принесло бы правильных результатов.

Еще одна вещь - libgmic - это библиотека G'MIC, где вы можете напрямую или через привязки использовать преобразования, показанные выше. Или получите алгоритмы и перепишите их в своем приложении.

Answer 3

Возможно, вы облака вычислите Hough Lines и определите пересечения. Документацию OpenCV можно найти here