ピクセルベースの計算でもカウントを取得できません。
画像を添付した場合、ターンのカウントから始める方法。
FindContours(); を試しました。しかし、それができないターンを完全に分離することはできません。また、matchshape() には類似度がありますが、コイル全体が対象です。
そこで、ターン数について次のように試しました。
public static int GetSpringTurnCount()
{
if (null == m_imageROIed)
return -1;
int imageWidth = m_imageROIed.Width;
int imageHeight = m_imageROIed.Height;
if ((imageWidth <= 0) || (imageHeight <= 0))
return 0;
int turnCount = 0;
Image<Gray, float> imgGrayF = new Image<Gray, float>(imageWidth, imageHeight);
CvInvoke.cvConvert(m_imageROIed, imgGrayF);
imgGrayF = imgGrayF.Laplace(1); // For saving integer overflow.
Image<Gray, byte> imgGray = new Image<Gray, byte>(imageWidth, imageHeight);
Image<Gray, byte> cannyEdges = new Image<Gray, byte>(imageWidth, imageHeight);
CvInvoke.cvConvert(imgGrayF, imgGray);
cannyEdges = imgGray.Copy();
//cannyEdges = cannyEdges.ThresholdBinary(new Gray(1), new Gray(255));// = cannyEdges > 0 ? 1 : 0;
cannyEdges = cannyEdges.Max(0);
cannyEdges /= 255;
Double[] sumRow = new Double[cannyEdges.Cols];
//int sumRowIndex = 0;
int Rows = cannyEdges.Rows;
int Cols = cannyEdges.Cols;
for (int X = 0; X < cannyEdges.Cols; X++)
{
Double sumB = 0;
for (int Y = 0; Y < cannyEdges.Rows; Y ++)
{
//LineSegment2D lines1 = new LineSegment2D(new System.Drawing.Point(X, 0), new System.Drawing.Point(X, Y));
Double pixels = cannyEdges[Y, X].Intensity;
sumB += pixels;
}
sumRow[X] = sumB;
}
Double avg = sumRow.Average();
List<int> turnCountList = new List<int>();
int cnt = 0;
foreach(int i in sumRow)
{
sumRow[cnt] /= avg;
if(sumRow[cnt]>3.0)
turnCountList.Add((int)sumRow[cnt]);
cnt++;
}
turnCount = turnCountList.Count();
cntSmooth = cntSmooth * 0.9f + (turnCount) * 0.1f;
return (int)cntSmooth;
}
次はサーフィンに挑戦します。
==================================================
編集：サンプルを追加します。あなたがそれを好きなら、それをしてください。
==================================================
編集：別のアルゴリズムを試しました：
- ROI の次に回転 (最大の薄い水色の長方形)
- GetMoments() は、モーメントを使用して ROI の高さと位置.Y を縮小します。
- 縮小した ROI を設定し、空白の画像で ._And() を実行します。( 緑色の四角形の灰色の領域 )
- 画像を半分にカットします。
- 輪郭を描き、楕円に合わせます。
- 適合楕円の最大数を取得します。
後で、より良いアルゴリズムと結果に取り組みます。
