使用Python与OpenCV识别带纹理圆角有机玻璃角落

一、你的思路完全可行，需针对性优化 #

• 聚类+拟合直线的方向没问题：HoughLinesP会检测出多条同边缘的零散线段，通过斜率相似度、线段距离聚类后，用最小二乘法拟合出精准的单条直线，再计算两条直线交点即可得到角落坐标。
• 实时场景的参数优化要点：
  • 放弃随机调参，Canny阈值按2:1或3:1比例设置（比如高阈值200、低阈值70），或改用cv2.adaptiveThreshold生成自适应边缘图，对抗光线和纹理变化。
  • 高斯模糊核大小根据纹理粗细调整：纹理粗用(11,11)，纹理细用(7,7)，核心是抑制纹理噪声、保留边缘轮廓。
  • HoughLinesP参数调整：缩小max_line_gap至50以内（避免无关线段误连），增大min_line_length过滤短噪声线段。

二、更优的实时检测方案 #

1. 轮廓拟合+多边形近似方案 #

针对带弧度的角落，先提取有机玻璃整体轮廓，再用多边形拟合边缘，取相邻边交点作为角落坐标，抗纹理干扰能力更强：

import cv2
import numpy as np

cap = cv2.VideoCapture(0)  # 启动实时摄像头

while True:
    ret, frame = cap.read()
    if not ret:
        break
    
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    # 自适应阈值过滤纹理噪声
    thresh = cv2.adaptiveThreshold(gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, 
                                   cv2.THRESH_BINARY_INV, 11, 2)
    # 形态学闭操作消除小噪点
    kernel = np.ones((3,3), np.uint8)
    thresh = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, kernel)
    
    # 提取外层轮廓
    contours, _ = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    for cnt in contours:
        # 过滤过小的干扰轮廓
        if cv2.contourArea(cnt) < 500:
            continue
        # 多边形拟合轮廓（epsilon控制拟合精度）
        epsilon = 0.02 * cv2.arcLength(cnt, True)
        approx = cv2.approxPolyDP(cnt, epsilon, True)
        
        # 若拟合为四边形，计算相邻边交点
        if len(approx) == 4:
            for i in range(4):
                p1 = approx[i][0]
                p2 = approx[(i+1)%4][0]
                p3 = approx[(i+2)%4][0]
                # 拟合两条相邻边的直线方程
                line1 = np.polyfit([p1[0], p2[0]], [p1[1], p2[1]], 1)
                line2 = np.polyfit([p2[0], p3[0]], [p2[1], p3[1]], 1)
                # 跳过近似平行的边
                if abs(line1[0] - line2[0]) < 1e-3:
                    continue
                # 解方程组求交点
                x = (line2[1] - line1[1]) / (line1[0] - line2[0])
                y = line1[0] * x + line1[1]
                corner = (int(x), int(y))
                cv2.circle(frame, corner, 5, (0,255,0), -1)
    
    cv2.imshow('Corner Detection', frame)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()

• 优势：直接锁定有机玻璃主体，自适应阈值+形态学操作能有效过滤粗糙纹理噪声，拟合后的边缘稳定性高，实时计算量小。

2. 角点检测+过滤方案 #

若轮廓拟合效果不佳，可结合角点检测筛选真实角落：

• 先用Canny提取边缘，再用cv2.goodFeaturesToTrack检测候选角点；
• 过滤伪角点：计算角点周围的梯度方向，仅保留梯度呈垂直分布的角点（符合角落的几何特征）；
• 对筛选后的角点拟合直线，计算交点得到最终坐标。

三、实时场景额外注意事项 #

• 固定摄像头光照或加入自动曝光补偿，避免光线突变导致检测失效；
• 预先标定有机玻璃尺寸，用透视变换校正画面变形；
• 加入卡尔曼滤波对检测坐标做平滑处理，消除实时画面的抖动。

内容的提问来源于stack exchange，提问作者bt_Tama