如何使用OpenCV检测图像中瓶子的位置与朝向

预处理优化（解决边缘模糊问题） #

• 颜色空间分割：将原图像从BGR转HSV空间，用cv2.inRange()提取红色区域掩膜，红色阈值设置为两个区间：H∈[0,10]、S∈[40,255]、V∈[50,255] 和 H∈[170,180]、S∈[40,255]、V∈[50,255]，两个区间掩膜取并集即可得到纯净的瓶子主体二值区域，完全过滤背景噪声，远优于直接用灰度图做Canny检测的效果。
• 形态学处理：对掩膜执行开运算（cv2.morphologyEx(..., cv2.MORPH_OPEN, kernel)），采用3x3矩形核迭代1次消除小噪点，再执行1次闭运算填补瓶子主体内的小空洞，得到连续完整的瓶子区域。

位置与朝向计算 #

• 位置获取：对预处理后的二值图用cv2.findContours()提取轮廓，筛选面积最大的轮廓即为瓶子轮廓，通过cv2.boundingRect()得到外接矩形，输出左上角坐标、宽高即可确定瓶子在图像中的位置。
• 朝向获取：两种成熟可行方案：
  • 直接调用cv2.minAreaRect()计算瓶子的最小外接旋转矩形，接口返回的角度参数即为瓶子的倾斜朝向，无需额外计算边缘间距，效率和准确率更高。
  • 若需采用边缘计算方案，对预处理后的二值图执行Canny边缘检测，此时背景已被完全过滤，得到的均为瓶子的有效边缘，再调用cv2.HoughLinesP()检测最长的两条平行边缘，计算两条直线的夹角即为朝向，也可直接读取两条直线的间距。

内容的提问来源于stack exchange，提问作者Maarten Goris