如何使用OpenCV C ++检测图像中有多少阶梯

Question

[我正在尝试使用带有C ++的OpenCV来检测图像中有多少阶梯，我试图这样做：

1-二值化。

2-Canny筛选器。

3-霍夫过滤器。

4-连接的组件。

我没有得到好的结果，您对我应该采用哪种方法有任何想法吗？

先谢谢您。

这里是图像示例。

Answer 1

我的算法方法就是这样；找到每个楼梯的线会给我们楼梯号。为了实现Houghline Transform can。您应该阅读下面链接的文档，以了解HoughLinesP函数的参数逻辑。

第一个问题将会出现： Houghline变换将给您很多行。为了获得可用的行，我消除了y-axis值彼此接近的行。我通过考虑两个楼梯之间的最小距离来确定此阈值。

注意：要处理与楼梯垂直（90度）拍摄的图像，将获得更好的效果。

以下是这些步骤，结果和代码：

• 应用GauusianBlur以使图像模糊。选择GauusianBlur而不是others的原因，我相信GaussianBlur与houghline transform。]有很好的组合。
• 应用Canny Edge detection。
• 将图像转换为BGR格式。
• 应用HoughLinesP并找到所有可能的行
• 应用上面说明的算法方法。
• 获取结果。

代码：

#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include <iostream>

using namespace cv;
using namespace std;

int main()
{

    Mat img = imread("/home/rnd/Desktop/photos/stairs.png");
    imshow("Source",img);

    //Apply Gaussian blur to get good results
    GaussianBlur(img,img,Size(5,5),0,0);

    Mat dst, out_img,control;
    Canny(img, dst, 80, 240, 3);
    cvtColor(dst, out_img, CV_GRAY2BGR);
    cvtColor(dst, control, CV_GRAY2BGR);

    vector<int> y_keeper_for_lines;
    vector<Vec4i> lines;
    HoughLinesP(dst, lines, 1, CV_PI/180, 30, 40, 5 );

    for( size_t i = 1; i < lines.size(); i++ )
    {
        Vec4i l = lines[i];
        line( control, Point(l[0], l[1]), Point(l[2], l[3]), Scalar(0,0,255), 3, CV_AA);
    }

    Vec4i l = lines[0];
    line( out_img, Point(0, l[1]), Point(img.cols, l[1]), Scalar(0,0,255), 3, CV_AA);
    y_keeper_for_lines.push_back(l[1]);

    int okey = 1;
    int stair_counter = 1;

    for( size_t i = 1; i < lines.size(); i++ )
    {
        Vec4i l = lines[i];
        for(int m:y_keeper_for_lines)
        {
            if(abs(m-l[1])<15)
                okey = 0;

        }
        if(okey)
        {
            line( out_img, Point(0, l[1]), Point(img.cols, l[1]), Scalar(0,0,255), 3, CV_AA);
            y_keeper_for_lines.push_back(l[1]);
            stair_counter++;
        }
        okey = 1;

    }
    putText(out_img,"Stair number:" + to_string(stair_counter),Point(40,60),FONT_HERSHEY_SIMPLEX,1.5,Scalar(0,255,0),2);
    imshow("Before", img);
    imshow("Control", control);
    imshow("detected lines", out_img);
    waitKey(0);
    return 0;
}
结果：

在高斯之后：

算法前的HoughLinesP：

算法之后：