Estoy tratando de detectar el recuento de tuberías en esta imagen. Para esto, estoy usando OpenCV y detección basada en Python. Basado en las respuestas existentes a preguntas similares, pude llegar a los siguientes pasos
- Abre la imagen
- Filtrarlo
- Aplicar detección de bordes
- Usar contornos
- Verificar el recuento
El recuento total de tuberías es ~ 909 cuando lo contamos manualmente, da o toma 4.
Después de aplicar el filtro
import cv2
import matplotlib.pyplot as plt
import numpy as np
img = cv2.imread('images/input-rectpipe-1.jpg')
blur_hor = cv2.filter2D(img[:, :, 0], cv2.CV_32F, kernel=np.ones((11,1,1), np.float32)/11.0, borderType=cv2.BORDER_CONSTANT)
blur_vert = cv2.filter2D(img[:, :, 0], cv2.CV_32F, kernel=np.ones((1,11,1), np.float32)/11.0, borderType=cv2.BORDER_CONSTANT)
mask = ((img[:,:,0]>blur_hor*1.2) | (img[:,:,0]>blur_vert*1.2)).astype(np.uint8)*255
Me sale esta imagen enmascarada
Esto parece bastante preciso en términos de la cantidad de rectángulos visibles que muestra. Sin embargo, cuando trato de contar y trazar el cuadro delimitador en la parte superior de la imagen, también selecciona muchas regiones no deseadas. Para los círculos, HoughCircles tiene una forma de definir el radio máximo y mínimo. ¿Hay algo similar para los rectángulos que pueda mejorar la precisión? Además, estoy abierto a sugerencias para enfoques alternativos a este problema.
ret,thresh = cv2.threshold(mask,127,255,0)
contours,hierarchy = cv2.findContours(thresh, 1, 2)
count = 0
for i in range(len(contours)):
count = count+1
x,y,w,h = cv2.boundingRect(contours[i])
rect = cv2.minAreaRect(contours[i])
area = cv2.contourArea(contours[i])
box = cv2.boxPoints(rect)
ratio = w/h
M = cv2.moments(contours[i])
if M["m00"] == 0.0:
cX = int(M["m10"] / 1 )
cY = int(M["m01"] / 1 )
if M["m00"] != 0.0:
cX = int(M["m10"] / M["m00"])
cY = int(M["m01"] / M["m00"])
if (area > 50 and area < 220 and hierarchy[0][i][2] < 0 and (ratio > .5 and ratio < 2)):
#cv2.rectangle(img, (x,y), (x+w,y+h), (0,255,0), 2)
cv2.circle(img, (cX, cY), 1, (255, 255, 255), -1)
count = count + 1
print(count)
cv2.imshow("m",mask)
cv2.imshow("f",img)
cv2.waitKey(0)
ACTUALIZACIÓN Basado en la segunda respuesta, he convertido el código c ++ a código python y obtuve resultados más cercanos, pero aún me faltan algunos rectángulos obvios.