如何使用OpenCV测量两条相交绳索的宽度和角度？

下面第一张图是原始图像，显示了一个网络。网中的绳索有两种类型：粗绳和细绳。需要通过OpenCV区分哪些是粗绳，哪些是细绳，并分别测量它们的角度。

import cv2
import numpy as np

def measure_rope_width(image):
    
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    cv2.imshow('Grayscale Image', gray)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

    
    _, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)
    cv2.imshow('Binary Image', thresh)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

    
    contours, _ = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

    widths = []
    for contour in contours:
        rect = cv2.minAreaRect(contour)
        width = max(rect[1])
        widths.append(width)
    threshold = 10
    
    thick_ropes = [width for width in widths if width > threshold]  
    thin_ropes = [width for width in widths if width <= threshold]

    
    for contour in contours:
        rect = cv2.minAreaRect(contour)
        box = cv2.boxPoints(rect)
        box = np.int0(box)
        cv2.drawContours(image, [box], 0, (0, 255, 0), 2)

    return image, thick_ropes, thin_ropes


if __name__ == "__main__":
    image = cv2.imread('.\pics\webFebric.png')  
    image, thick_ropes, thin_ropes = measure_rope_width(image)
    cv2.imshow('Image with Rectangles', image)
    cv2.waitKey(0)
    cv2.destroyAllWindows()
    print("thick ropes width：", thick_ropes)
    print("thin ropes width：", thin_ropes)

我检测到了轮廓的最小外接矩形，但是这种方法无法让我测量轮廓的宽度网绳，而是网格间隙的宽度。如果能有一种稳定可靠的方法来测量两种网绳的宽度，我将不胜感激。

我衷心希望的是：我想知道OpenCV是否可以识别网绳的面积，如如下图红色和绿色矩形框所示。这样，通过测量矩形盒子的宽度就可以得到绳索的宽度。如果您能在这方面帮助我，我将不胜感激。

当然，我们可以使用OpenCV更准确地测量绳索宽度和角度。 以下是一种改进的方法：

1. 图像预处理:

• 灰度化: 将图像转换为灰度。
• 高斯模糊: 使用高斯滤波器平滑图像，减少噪声干扰。
• 自适应阈值: 使用自适应阈值技术，根据图像的局部区域设置不同的阈值，可以更好地分割出绳索。

2. 提取绳索骨架:

• 形态学操作: 使用腐蚀和细化等形态学操作，提取绳索的骨架线。

3. 计算宽度和角度:

• 轮廓检测: 检测骨架线的轮廓。
• 最小外接矩形: 计算每个轮廓的最小外接矩形。
• 宽度: 矩形的较短边长度可以近似表示绳索的宽度。
• 角度: 矩形的旋转角度可以表示绳索的角度。

代码示例:

import cv2
import numpy as np

def measure_rope_width_and_angle(image):
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    blurred = cv2.GaussianBlur(gray, (5, 5), 0)
    thresh = cv2.adaptiveThreshold(blurred, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY_INV, 11, 2)

    kernel = np.ones((3,3), np.uint8)
    erosion = cv2.erode(thresh, kernel, iterations=1)
    skeleton = cv2.ximgproc.thinning(erosion, thinningType=cv2.ximgproc.THINNING_ZHANGSUEN)

    contours, _ = cv2.findContours(skeleton, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

    thick_ropes = []
    thin_ropes = []

    for contour in contours:
        rect = cv2.minAreaRect(contour)
        box = cv2.boxPoints(rect)
        box = np.int0(box)
        width = min(rect[1])
        angle = rect[2]
        if width > 10:
            thick_ropes.append((width, angle))
            cv2.drawContours(image, [box], 0, (0, 255, 0), 2)
        else:
            thin_ropes.append((width, angle))
            cv2.drawContours(image, [box], 0, (0, 0, 255), 2)

    return image, thick_ropes, thin_ropes

if __name__ == "__main__":
    image = cv2.imread('./pics/webFebric.png')
    image, thick_ropes, thin_ropes = measure_rope_width_and_angle(image)
    cv2.imshow('Image with Rectangles', image)
    cv2.waitKey(0)
    cv2.destroyAllWindows()
    print("Thick ropes (width, angle):", thick_ropes)
    print("Thin ropes (width, angle):", thin_ropes)

代码解释:

1. 图像预处理: 将图像转换为灰度，进行高斯模糊，然后使用自适应阈值进行二值化。
2. 提取骨架: 使用腐蚀和细化操作提取绳索骨架。
3. 计算宽度和角度: 检测骨架轮廓，计算最小外接矩形，并提取宽度和角度信息。

注意:

• 代码中使用的阈值（例如，宽度阈值为 10）可能需要根据实际图像进行调整。
• 确保已安装 opencv-contrib-python 包，其中包含 ximgproc 模块，用于骨架化操作。

希望这个改进后的方法可以帮助更准确地测量绳索的宽度和角度。