この記事は、CSDN 上の別のブロガーのコードを編集したものです。
opencvに基づく亀裂幅検出アルゴリズム（輪郭の最大内接円アルゴリズムの計算）
このブロガーがコードの草案をアップロードしたと思いますが、それを再構成して詳細なコメントを追加しました。
import cv2
import math
import random
import numpy as np
from numpy.ma import cos, sin
import pyzjr as pz
class Maximum_width:
def findContous(self,img):
kernel = np.ones((1, 5), np.uint8)
thresh=pz.BinaryImg(img)
thresh = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, kernel, anchor=(2, 0), iterations=5)
contous, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)
return contous
def Extract_repeat_points(self,contour,Bbox):
"""
从给定多边形轮廓内提取位于矩形区域内的点。
:param contour: 多边形轮廓点集
:param Bbox: 矩形区域的边界坐标信息[left_x, up_y, right_x, down_y]
:return: 位于多边形内且在矩形区域内的点数组
"""
left_x, up_y, right_x, down_y=Bbox
Nx = 2 ** 8
Ny = 2 ** 8
pixel_X = np.linspace(left_x, right_x, Nx)
pixel_Y = np.linspace(up_y, down_y, Ny)
xx, yy = np.meshgrid(pixel_X, pixel_Y)
mask = np.zeros(xx.shape, dtype=bool)
for i in range(xx.shape[0]):
for j in range(xx.shape[1]):
if cv2.pointPolygonTest(contour, (xx[i, j], yy[i, j]), False) > 0:
mask[i, j] = True
in_point = np.column_stack((xx[mask], yy[mask]))
return in_point
def find_max_radius(self,contous, pixelx, pixely, small_r, big_r, precision):
"""
在给定轮廓内查找最大半径。
:param contours: 轮廓
:param pixelx: 圆心的像素 x 坐标
:param pixely: 圆心的像素 y 坐标
:param small_r: 最小半径
:param big_r: 最大半径
:param precision: 精度
:return: 最大半径
"""
radius = small_r
L = np.linspace(0, 2 * math.pi, 360)
circle_X = pixelx + radius * cos(L)
circle_Y = pixely + radius * sin(L)
for i in range(len(circle_Y)):
if cv2.pointPolygonTest(contous, (circle_X[i], circle_Y[i]), False) < 0:
return 0
while big_r - small_r >= precision:
half_r = (small_r + big_r) / 2
circle_X = pixelx + half_r * cos(L)
circle_Y = pixely + half_r * sin(L)
if_out = False
for i in range(len(circle_Y)):
if cv2.pointPolygonTest(contous, (circle_X[i], circle_Y[i]), False) < 0: # 如果圆散集有在轮廓之外的点
big_r = half_r
if_out = True
if not if_out:
small_r = half_r
radius = small_r
return radius
def find_optimal_information(self,in_point,big_r,precision,contous,sample_ratio=0.01):
"""
从一组点中寻找具有最大内切圆半径的点。
:param in_point: 点集合
:param big_r: 内切圆最大半径
:param precision: 精度
:param contous: 多边形轮廓
:param sample_ratio: 采样比例
:return: 具有最大内切圆半径的点的坐标和半径
"""
num_points = len(in_point)
num_samples = max(1, int(num_points * sample_ratio))
sampled_indices = random.sample(range(num_points), num_samples)
sampled_indices.sort()
best_radius = 0
center = None
for idx in sampled_indices:
point = in_point[idx]
max_radius_for_point = self.find_max_radius(contous, point[0], point[1], best_radius, big_r, precision)
if max_radius_for_point > best_radius:
best_radius = max_radius_for_point
center = point
remaining_indices = [i for i in range(num_points) if i not in sampled_indices]
for idx in remaining_indices:
point = in_point[idx]
max_radius_for_point = self.find_max_radius(contous, point[0], point[1], best_radius, big_r, precision)
if max_radius_for_point > best_radius:
best_radius = max_radius_for_point
center = point
return best_radius, center
def FindmaxIncircle(self, circle_list):
"""
在裂缝最大内切圆信息中找到具有最大半径的内切圆的中心坐标和半径。
:param circle_list: 裂缝最大内切圆信息列表，每个元素为 [radius, center]
:return: 最大半径的内切圆的中心坐标和半径
"""
max_radius = max(circle_list, key=lambda x: x[0])[0]
max_center = next(item for item in circle_list if item[0] == max_radius)[1]
return max_center, max_radius
def draw_contous_circle(self,original_img, contours, circle_list, max_radius, max_center):
"""
在原始图像上绘制轮廓及内切圆。
:param original_img: 原始图像
:param contours: 轮廓列表
:param circle_list: 扩展圆信息列表
:param max_radius: 最大内切圆半径
:param max_center: 最大内切圆中心
:return: 绘制了轮廓和内切圆的图像
"""
cv2.drawContours(original_img, contours, -1, (0, 0, 255), -1)
for circle_info in circle_list:
radius, center = circle_info[:2]
color = (255, 0, 0) if radius == max_radius else (255, 245, 0)
if radius == max_radius:
cv2.circle(original_img, (int(max_center[0]), int(max_center[1])), int(max_radius), color, 2)
else:
cv2.circle(original_img, (int(center[0]), int(center[1])), int(radius), color, 2)
return original_img
def dealwith_inCircle(img,imgoriginal,showCircle=True):
"""
处理内切圆问题并显示结果。
:param img: 输入处理的标签图像
:param img_original: 对应的原始图像
:param show_circle: 是否显示内切圆结果，默认为 True
"""
mac = Maximum_width()
contous = mac.findContous(img)
expansion_circle_list = []
for con in contous:
left_x, right_x, down_y, up_y = np.min(con[:, 0, 0]), np.max(con[:, 0, 0]), np.max(con[:, 0, 1]), np.min(con[:, 0, 1])
Bbox=[left_x, up_y, right_x, down_y]
upper_r = min(right_x - left_x, down_y - up_y) / 2
precision = math.sqrt((right_x - left_x) ** 2 + (down_y - up_y) ** 2) / (2 ** 13) #获得二分精度
in_point=mac.Extract_repeat_points(con, Bbox)
radius,center=mac.find_optimal_information(in_point,upper_r,precision,con)
expansion_circle_list.append([radius, center])
max_center,max_radius=mac.FindmaxIncircle(expansion_circle_list)
if showCircle:
Circle=mac.draw_contous_circle(imgoriginal,contous,expansion_circle_list,max_radius,max_center)
cv2.imshow("Maximum Inscribed Circle",Circle)
cv2.waitKey(0)
return round(max_radius*2,2)
if __name__=="__main__":
from pyzjr.dlearn.tools import Runcodes
with Runcodes("最大内切圆算法"):
path = r"D:\PythonProject\RoadCrack\dimension2_data\num/024.png" # 分割图
path2 = r"D:\PythonProject\RoadCrack\dimension2_data\image/013.jpg" # 对应的原图
img = cv2.imread(path)
img2 = cv2.imread(path2)
width=dealwith_inCircle(img,img2,False)
print(f'最大宽度:{round(width, 2)}')
最大幅:13.84
ラベル画像を拡大すると、その数が数えられますが、およそ 13 個程度です。使用方法は、指定された輪郭から点を抽出し、二等分法を使用して最大の内接円の半径を見つけることです。複数のサンプリング点で異なる半径サイズを試し、これらの半径が有効であることを確認することで、最大内接円を決定します。最後に、最大の内接円と関連する等高線を見つけました。このブロガーが実装したアルゴリズムを使用できますが、このアルゴリズムは UI に追加するとまだ少し行き詰まっています。私の意見では、実際にはそれほど多くのことは必要ありませんアルゴリズムの実装方法は他にもありますが、また別の記事で書きますので、やはりここが新たなイノベーションポイントです。