看，我一直试图在书架上检测书籍：
我使用Contours作为边界框 . 但是，我只想捕获 actual 书籍对象 . 如果我从Canny中减去阈值，它将不会自己检测书籍边缘，但它会检测书籍 Headers 或脊柱中的某些图像 .
我使用了houghlines，它可以很好地检测书籍边缘 . 如何应用边界框但使用houghlines而不是轮廓？
我用于轮廓发现的代码：
edges = cv2.Canny(blur,thresh,thresh*2)
drawing = np.zeros(img.shape,np.uint8)
contours,hierarchy = cv2.findContours(edges,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
for cnt in contours:
x,y,w,h = cv2.boundingRect(cnt)
cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,0),2)
rect = cv2.minAreaRect(cnt)
box = cv2.cv.BoxPoints(rect)
box = np.int0(box)
哪里：
img = cv2.imread('books3.jpg')
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
blur = cv2.GaussianBlur(gray,(5,5),0)
对于houghlines：
lines = cv2.HoughLines(edges,1,np.pi/180,120)
for rho,theta in lines[0]:
a = np.cos(theta)
b = np.sin(theta)
x0 = a*rho
y0 = b*rho
x1 = int(x0 + 1000*(-b))
y1 = int(y0 + 1000*(a))
x2 = int(x0 - 1000*(-b))
y2 = int(y0 - 1000*(a))
哪里：
im = cv2.imread('books2.jpg')
gray = cv2.cvtColor(im,cv2.COLOR_BGR2GRAY)
edges = cv2.Canny(gray,100,300,apertureSize = 3)
非常感谢你提前 .
1 回答
我实际上正在做类似的事情 . 试图在书架上将书籍彼此分开 . 我想问一下到目前为止你方面的进展如何？
我还没有尝试过轮廓法 . 但是，我尝试的是预处理图像，在使用HoughLines之前清除图像 . 下图显示了粗略的结果 .
我承认我必须完美地分割书籍 . 正如你在图像中看到的那样，由于书脊的本质，我实际想要的线条更多 . 我正在研究预处理方法，可以帮助我摆脱这样的问题 .
我注意到你提到过“如果我从Canny中减去门槛，它就不会自己检测到书籍边缘，但会检测到书籍 Headers 或脊柱中的一些图像 . ”也许对于HoughLine参数，你可以调整theta？例如，到90度，以便不会检测到书名等 .
您也可以尝试
HoughLineP，它基本上是概率Hough线变换 . 有关详细信息，请参阅：http://docs.opencv.org/doc/tutorials/imgproc/imgtrans/hough_lines/hough_lines.html
希望我的方法能给出一些想法 . 我也希望听到你对轮廓方法的更新 . 希望我们能够分享技巧并共同努力，因为我们有一个共同的目标（希望尽快收到您的回复） .