如何计算切割后圆形图像的旋转角度？OpenCV实现问询

适用算法 #

• 特征点匹配算法：如SIFT、ORB，提取圆形图（circle.jpg）与背景图（background.jpg）边缘的特征点，通过匹配对应点对推导旋转变换关系。由于两者边缘互补，匹配后的点对可直接计算旋转角度。
• 边缘轮廓匹配：先对两张图做Canny边缘检测，提取互补的圆形边缘轮廓，使用基于Hu矩的轮廓匹配算法，计算轮廓间的旋转差异得到所需角度。
• 相位相关法：利用频域相位信息计算图像间的旋转偏移。将圆形图置于背景图中心区域，通过频域分析得到相位差，进而推导旋转角度。

OpenCV实现方案 #

步骤示例 #

1. 读取灰度图像：

   import cv2
   import numpy as np
   
   circle = cv2.imread('circle.jpg', cv2.IMREAD_GRAYSCALE)
   background = cv2.imread('background.jpg', cv2.IMREAD_GRAYSCALE)
   

2. 提取边缘特征：

   edges_circle = cv2.Canny(circle, 50, 150)
   edges_bg = cv2.Canny(background, 50, 150)
   

3. 特征点检测与匹配（以ORB为例）：

   orb = cv2.ORB_create()
   kp_circle, des_circle = orb.detectAndCompute(edges_circle, None)
   kp_bg, des_bg = orb.detectAndCompute(edges_bg, None)
   
   # 暴力匹配器筛选优质匹配对
   bf = cv2.BFMatcher(cv2.NORM_HAMMING, crossCheck=True)
   matches = bf.match(des_circle, des_bg)
   matches = sorted(matches, key=lambda x: x.distance)[:50]
   

4. 计算旋转角度：

   # 提取匹配点坐标
   pts_circle = np.float32([kp_circle[m.queryIdx].pt for m in matches]).reshape(-1, 1, 2)
   pts_bg = np.float32([kp_bg[m.trainIdx].pt for m in matches]).reshape(-1, 1, 2)
   
   # 估计仅含旋转和平移的刚性变换
   M, mask = cv2.estimateAffinePartial2D(pts_circle, pts_bg)
   # 从变换矩阵提取旋转角度（弧度转角度）
   angle = -np.arctan2(M[0, 1], M[0, 0]) * 180 / np.pi
   

5. 验证结果：将circle.jpg旋转计算出的角度后，与background.jpg拼接，确认是否还原原图。

注意事项 #

• 圆形图特征点分布在圆周，匹配时需严格筛选距离较近的优质匹配对，避免误匹配。
• 相位相关法需将圆形图与背景图中心对齐后计算，提升角度准确性。

内容的提问来源于stack exchange，提问作者hoozecn