导读
本期将介绍使用OpenCV用两种不同的方法实现快速查找计算直线/网格线交点坐标。
直线交点计算思路与常用方法
直线交点的计算这里列举几个比较常用的方法：
① 在知道直线方程的前提下(或知道直线上一点和直线角度)，联立方程求解交点坐标(注意数学坐标系和图像坐标系的关系)；
② 不知道直线方程，通过检测直线的方法(例如霍夫变换)计算直线方程，然后联立方程求解交点坐标；
第一种方法当然是最理想的情况，这样计算的交点也最准确。但是大多数情况我们并不能预先知道直线方程。第二种方法在干扰少的情况比较适用，当然我们还要考虑OpenCV的直线检测方法可能会有重复直线被检测，还需要做剔除操作。
综上来看，前面两种方法并不是非常好用，下面来介绍两种简单实用的方法：
③；
④
本文使用方法③和方法④，设置合适的参数即可检测到直线交点位置。
效果展示
本文演示图片包含2张，一张是简单的三条直线相交，另一张是多条直线相交形成网格，分别计算它们的交点位置并标识，效果如下：
原图：
结果图：
原图：
结果图：
实现步骤与对应代码
方法③实现步骤与代码：
(1) Harris角点检测+阈值处理；
import cv2
import numpy as np
img = cv2.imread('1.png')
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
mask = np.zeros(gray.shape,np.uint8)
dst = cv2.cornerHarris(gray,2,3,0.04)
ret,thresh = cv2.threshold(dst,0.01,255,cv2.THRESH_BINARY)
cv2.imshow('thresh',thresh)
(2) 形态学膨胀(将角点连接起来)；
k1=np.ones((5,5), np.uint8)#指定膨胀核大小
mask = cv2.morphologyEx(mask, cv2.MORPH_DILATE, k1)
(3) 轮廓筛选，w>10 and h > 10，直线交点位置轮廓更大。
contours,hierarchy = cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
for cnt in contours:
(x, y, w, h) = cv2.boundingRect(cnt)
if w > 10 and h > 10:
cx = int(x + w / 2)
cy = int(y + h / 2)
cv2.circle(img,(cx, cy),10,(0,255,0),2, cv2.LINE_AA)
cv2.circle(img,(cx, cy),2,(0,0,255),-1, cv2.LINE_AA)
对于图2，代码修改两处参数：
k1=np.ones((1,7), np.uint8)
......
if w > 1 and h > 1:
......
方法④实现步骤与代码：
(1) 固定阈值二值化凸显直线为白色，背景为黑色；
import numpy as np
import cv2
img= cv2.imread('1.png')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, thres= cv2.threshold(gray, 150, 255, cv2.THRESH_BINARY)
cv2.imshow('thres', thres)
(2) 指定核做开运算，再做闭运算；
k1=np.ones((1,7), np.uint8)
k2=np.ones((7,1), np.uint8)
mask = cv2.morphologyEx(thres, cv2.MORPH_OPEN, k1)
cv2.imshow('open', mask)
mask = cv2.morphologyEx(mask, cv2.MORPH_CLOSE, k2)
cv2.imshow('close', mask)
(3) 轮廓查找与中心计算标示；
contours,hierarchy = cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
for cnt in contours:
(x, y, w, h) = cv2.boundingRect(cnt)
#cv2.rectangle(img, (x, y),(x+w,y+h),(0, 255, 0), 2)
cx = int(x + w / 2)
cy = int(y + h / 2)
cv2.circle(img,(cx, cy),10,(0,255,0),2, cv2.LINE_AA)
cv2.circle(img,(cx, cy),2,(0,0,255),-1, cv2.LINE_AA)
对于图2，代码修改两处参数：
ret, thres= cv2.threshold(gray, 150, 255, cv2.THRESH_BINARY_INV)
......
k1=np.ones((3,1), np.uint8)
k2=np.ones((1,7), np.uint8)
此处涉及到的形态学技巧原来有介绍过，可以参看下面链接查看：
结尾语：
文章实现的步骤并非最优，但基本检测效果还OK，大家跟着上述步骤和代码完全可以自己做出来。当然如果你懒得动手，那就加入知识星球获取吧，那里为你准备了完整源码和测试素材，还有C++源码。
更多实用文章请移步至--精华文章--专题文章分类。