0
223
VistasDetección de ángulo de rotación de objetos circulares
Estoy tratando de detectar la diferencia de ángulo entre dos objetos circulares, que se muestran como 2 imágenes a continuación.
Estoy pensando en rotar una de las imágenes con un ángulo pequeño. Cada vez que se gira una imagen, se calculará el SSIM entre la imagen girada y la otra imagen. El ángulo con SSIM máximo será la diferencia de ángulo.
Pero, encontrar los extremos nunca es un problema fácil. Entonces mi pregunta es: ¿Hay otros algoritmos (opencv) que se puedan usar en este caso?
IMAGEN #1 
IMAGEN #2 
EDITAR:
Gracias @Micka, simplemente hago lo mismo que él sugiere y elimino la región negra como dijo @Yves Daoust para mejorar el tiempo de procesamiento. Aquí está mi resultado final:
IMAGEN ORIGINAL
IMAGEN GIRATORIA + DESPLAZADA
1 Respuestas
Responde la pregunta0
Aquí está la misma idea, pero la correlación se realiza con una convolución (FFT) en lugar de matchTemplate . Las FFT pueden ser más rápidas si hay muchos datos.
Cargar entradas:
im1 = cv.imread("circle1.jpg", cv.IMREAD_GRAYSCALE) im2 = cv.imread("circle2.jpg", cv.IMREAD_GRAYSCALE) height, width = im1.shapeTransformación polar (log polar como ejercicio para el lector) con algunos parámetros arbitrarios que afectan la "resolución":
maxradius = width // 2 stripwidth = maxradius stripheight = int(maxradius * 2 * pi) # approximately square at the radius #stripheight = 360 def polar(im): return cv.warpPolar(im, center=(width/2, height/2), dsize=(stripwidth, stripheight), maxRadius=maxradius, flags=cv.WARP_POLAR_LOG*0 + cv.INTER_LINEAR) strip1 = polar(im1) strip2 = polar(im2)Circunvolución:
f1 = np.fft.fft2(strip1[::-1, ::-1]) f2 = np.fft.fft2(strip2) conv = np.fft.ifft2(f1 * f2)minmaxloc:
conv = np.real(conv) # or np.abs, can't decide (i,j) = np.unravel_index(conv.argmax(), conv.shape) i,j = (i+1) % stripheight, (j+1) % stripwidthy qué es eso como un ángulo:
print("degrees:", i / stripheight * 360) # 42.401091405184175https://gist.github.com/crackwitz/3da91f43324b0c53504d587a394d4c71