如何在图像中找到对象的方向？

如何解决如何在图像中找到对象的方向？

我有一堆齿轮图像，它们都在不同的方向，我需要它们都在相同的方向。我的意思是有一幅参考图像，其余图像应旋转，以使它们看起来与参考图像相同。我按照这些步骤操作，首先将齿轮分段，然后尝试使用力矩找到一个角度，但无法正常工作。我已经附加了3张图片，其中第一张图片作为参考图片，这是到目前为止的代码

def adjust_gamma(image,gamma=1.0):
    invGamma = 1.0 / gamma
    table = np.array([((i / 255.0) ** invGamma) * 255
            for i in np.arange(0,256)]).astype("uint8")
    
    return cv2.LUT(image,table)

def unsharp_mask(image,kernel_size=(13,13),sigma=1.0,amount=2.5,threshold=10):
    """Return a sharpened version of the image,using an unsharp mask."""
    blurred = cv2.GaussianBlur(image,kernel_size,sigma)
    sharpened = float(amount + 1) * image - float(amount) * blurred
    sharpened = np.maximum(sharpened,np.zeros(sharpened.shape))
    sharpened = np.minimum(sharpened,255 * np.ones(sharpened.shape))
    sharpened = sharpened.round().astype(np.uint8)
    if threshold > 0:
        low_contrast_mask = np.absolute(image - blurred) < threshold
        np.copyto(sharpened,image,where=low_contrast_mask)
        
    return sharpened

def find_orientation(cont):
    m = cv2.moments(cont,True)
    cen_x = m['m10'] / m['m00']
    cen_y = m['m01'] / m['m00']

    m_11 = 2*m['m11'] - m['m00'] * (cen_x*cen_x+cen_y*cen_y)
    m_02 = m['m02'] - m['m00'] * cen_y*cen_y
    m_20 = m['m20'] - m['m00'] * cen_x*cen_x

    theta = 0 if m_20==m_02 else atan2(m_11,m_20-m_02)/2.0
    theta = theta * 180 / pi

    return (cen_x,cen_y,theta)

def rotate_image(img,angles):
    height,width = img.shape[:2]
    
    rotation_matrix = cv2.getRotationMatrix2D((width/2,height/2),angles,1)
    rotated_image = cv2.warpAffine(img,rotation_matrix,(width,height))

    return rotated_image


img = cv2.imread('gear1.jpg')

resized_img = imutils.resize(img,width=540)
height,width = resized_img.shape[:2]

gamma_adjusted = adjust_gamma(resized_img,2.5)
sharp = unsharp_mask(gamma_adjusted)
gray = cv2.cvtColor(sharp,cv2.COLOR_BGR2GRAY)
gauss_blur = cv2.GaussianBlur(gray,(13,2.5)
ret,thresh = cv2.threshold(gauss_blur,250,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)

kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(3,3))
thresh = cv2.morphologyEx(thresh,cv2.MORPH_DILATE,kernel,iterations=2)

kernel = np.ones((3,3),np.uint8)
thresh = cv2.morphologyEx(thresh,cv2.MORPH_OPEN,iterations=2)

contours = cv2.findContours(thresh.copy(),cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)[0]

cen_x,theta = find_orientation(contours[0])

reference_angle = -24.14141919602858
rot_angle = 0.0
if theta < reference_angle:
    rot_angle = -(theta - reference_angle)
else:
    rot_angle = (reference_angle - theta)

rot_img = rotate_image(resized_img,rot_angle)

谁能告诉我我哪里出问题了？任何帮助将不胜感激。

解决方法

齿轮和孔的二值化似乎很容易。您应该能够将孔洞与噪声和额外的细小特征区分开。

首先找到几何中心，然后按围绕中心的角度对孔进行排序。还要计算孔的面积。然后，您可以尝试以循环方式将孔与模型匹配。有20个孔，您只需要测试20个位置即可。您可以通过角度和面积差异的某种组合来对匹配进行评分。最佳匹配会告诉您方向。

这应该非常可靠。

您可以通过计算每个孔的平均误差并进行校正以消除该值来获得非常准确的角度值（这等效于最小二乘拟合）。