Erkennen einer Dose oder Flasche in opencv

Question

Ich bin neu bei OpenCV und habe ein paar Fragen. Ich muss eine Flasche oder eine Dose basierend auf ihrer Form erkennen. Dazu benutze ich ein Raspberry Pi Board und eine Pi Kamera. Der Hintergrund ist immer schwarz und ändert sich nicht. Ich habe viele mögliche Lösungen für dieses Problem versucht, konnte aber keine zufriedenstellenden Ergebnisse erzielen. Die Dinge, die ich versucht habe, sind Kantenerkennung, morphologische Transformationen, matchShapes(), matchTemplate(). Bitte lassen Sie mich wissen, ob ich diese Aufgabe effizient und mit höchster Genauigkeit erledigen kann.

Ein Beispielbild:

Answer 1

ich mit einem Ansatz kam, die helfen können! Wenn Sie mehr über die Dose wissen, d. H. Das Verhältnis von Breite zu Höhe, kann sie robuster sein, indem Sie die Rechteckgröße anpassen!

Ansatz

• Convert Bild HSV Farbraum. Erhöhen Sie V um einen Faktor von 2, um mehr sichtbare Dinge zu haben.
• Finden Sobel Derivate in x und y Richtung. Berechnen Sie die Größe mit gleichem Gewicht für beide Richtungen.
• Schwellwert Ihr Bild mit Otsu Methode.
• Wenden Sie Closing auf Ihr Bild an.
• Wenden Sie Canny Kantendetektor an.
• Suchen Hough Line Transform.
• Finden Sie Begrenzungsrechteck Ihres Linienbildes.
• Superimpose es auf Ihrem Bild (Endlich fertig: P).

-Code

image = cv2.imread('image3.jpg', cv2.IMREAD_COLOR) 
original = np.copy(image) 
if image is None: 
    print 'Can not read/find the image.' 
    exit(-1) 

hsv_image = cv2.cvtColor(image, cv2.COLOR_BGR2HSV) 
H,S,V = hsv_image[:,:,0], hsv_image[:,:,1], hsv_image[:,:,2] 
V = V * 2 

hsv_image = cv2.merge([H,S,V]) 
image = cv2.cvtColor(hsv_image, cv2.COLOR_HSV2RGB) 
image = cv2.cvtColor(image, cv2.COLOR_RGB2GRAY) 
# plt.figure(), plt.imshow(image) 

Dx = cv2.Sobel(image,cv2.CV_8UC1,1,0) 
Dy = cv2.Sobel(image,cv2.CV_8UC1,0,1) 
M = cv2.addWeighted(Dx, 1, Dy,1,0) 

# plt.subplot(1,3,1), plt.imshow(Dx, 'gray'), plt.title('Dx') 
# plt.subplot(1,3,2), plt.imshow(Dy, 'gray'), plt.title('Dy') 
# plt.subplot(1,3,3), plt.imshow(M, 'gray'), plt.title('Magnitude') 

ret, binary = cv2.threshold(M,10,255, cv2.THRESH_BINARY | cv2.THRESH_OTSU) 
# plt.figure(), plt.imshow(binary, 'gray') 

binary = binary.astype(np.uint8) 
binary = cv2.morphologyEx(binary, cv2.MORPH_CLOSE, cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (20, 20))) 
edges = cv2.Canny(binary, 50, 100) 
# plt.figure(), plt.imshow(edges, 'gray') 

lines = cv2.HoughLinesP(edges,1,3.14/180,50,20,10)[0] 
output = np.zeros_like(M, dtype=np.uint8) 
for line in lines: 
    cv2.line(output,(line[0],line[1]), (line[2], line[3]), (100,200,50), thickness=2) 
# plt.figure(), plt.imshow(output, 'gray') 

points = np.array([np.transpose(np.where(output != 0))], dtype=np.float32) 
rect = cv2.boundingRect(points) 
cv2.rectangle(original,(rect[1],rect[0]), (rect[1]+rect[3], rect[0]+rect[2]),(255,255,255),thickness=2) 
original = cv2.cvtColor(original,cv2.COLOR_BGR2RGB) 
plt.figure(), plt.imshow(original,'gray') 


plt.show() 

HINWEIS: Sie können die Linien zu zeigen, das Ergebnis jeder Schritt Kommentar- können! Ich erwähne sie nur aus Gründen der Lesbarkeit.

Ergebnis

HINWEIS: Wenn Sie das Seitenverhältnis Ihres wissen kann, man kann es beheben besser!

Ich hoffe, dass das helfen wird. Viel Glück :)