怎么获得图像中目标的中心点坐标

[ZealCV]

卫星图像上截取的道路交叉口图像，在只有图像的情况下，请问怎么获得交叉口的交叉点的坐标？
如图，红色的为交叉点

[赵4老师]

道路交叉口这个概念太智能了，比如： 羊肠小道、村级公路、人行道、自行车专用道、国道、高速公路的辅路、主路、匝道、立交桥、……、普通铁路、高速铁路、城铁道路、地铁道路、磁悬浮列车道路、…… 及其它们之间任意两者的交叉处！ 够楼主发扬愚公移山精神子子孙孙无穷尽地研究几十辈了！！！

[tanta]

图像识别，这是一门大学问啊

[sunny7862632]

深度学习搞起，只需要标注数据就能出结果。

[qq_41912044]

这么多大牛，学习了

[赵4老师]

#10恐怕是目前为止全球第一个中文版dlib机器学习导图了吧。

[Jossing45]

[QQ515311445]

引用 8 楼 u011574296 的回复:

[quote=引用 7 楼 zhao4zhong1 的回复:] 既然是红色的交叉点，当然是转换为HSL后，取H（0..359）在比如0..19或340..359范围内的像素了。

红色是我标识出来的，本来没有[/quote] 是要检测红点在图点的坐标吧？如果我没理解错，类似的事情我就干过，比如检测图中的香烟，并标出位置

[ZealCV]

引用 22 楼 llxxhm 的回复:

[quote=引用 8 楼 u011574296 的回复:] [quote=引用 7 楼 zhao4zhong1 的回复:] 既然是红色的交叉点，当然是转换为HSL后，取H（0..359）在比如0..19或340..359范围内的像素了。

红色是我标识出来的，本来没有[/quote] 是要检测红点在图点的坐标吧？如果我没理解错，类似的事情我就干过，比如检测图中的香烟，并标出位置[/quote] 嗯嗯，就是您理解的那样，检测红点在图点的坐标，请问您怎么做的呢

[我的大名王二狗]

学到了新知识，多谢大神

[西瓜无籽]

利用直线检测算法，获取直线参数，进而获取交点；

[qq_41956496]

#include "opencv2/highgui/highgui.hpp"

#include "opencv2/imgproc/imgproc.hpp"

#include "opencv2/imgproc/imgproc_c.h"

using namespace std;

using namespace cv;

Mat img,smallImg,gray,bw;

vector<Vec4i> hierarchy;

vector<vector<Point> > contours;

int threshval=128;

Rect r;

Rect maxrect,brect;

int idx,n;

const static Scalar colors[15]={

CV_RGB( 0, 0,128),

CV_RGB( 0,128, 0),

CV_RGB( 0,128,128),

CV_RGB(128, 0, 0),

CV_RGB(128, 0,128),

CV_RGB(128,128, 0),

CV_RGB(128,128,128),

CV_RGB(160,160,160),

CV_RGB( 0, 0,255),

CV_RGB( 0,255, 0),

CV_RGB( 0,255,255),

CV_RGB(255, 0, 0),

CV_RGB(255, 0,255),

CV_RGB(255,255, 0),

CV_RGB(255,255,255),

};

Scalar color;

void gamma_correct(Mat& img, Mat& dst, double gamma) {

Mat temp;

CvMat tmp;



img.convertTo(temp, CV_32FC1, 1.0/255.0, 0.0);

tmp=temp;

cvPow(&tmp, &tmp, gamma);

temp.convertTo(dst , CV_8UC1 , 255.0 , 0.0);

}

int main() {

cvNamedWindow("display",1);

img=imread("image.jpg",1);

r.x=img.cols/10;

r.y=img.rows/3;

r.width=img.cols*8/10;

r.height=img.rows*2/3;

smallImg=img(r);

cvtColor(smallImg,gray,CV_BGR2GRAY);

// medianBlur(gray,gray,5);

equalizeHist(gray,gray);

gamma_correct(gray,gray,4.0);

imshow("display",gray);

waitKey(0);



bw=(gray>threshval);

imshow("display",bw);

waitKey(0);



Mat Structure0=getStructuringElement(MORPH_RECT,Size(3,3));

erode(bw,bw,Structure0,Point(-1,-1));

Mat Structure1=getStructuringElement(MORPH_RECT,Size(6,6));

dilate(bw,bw,Structure1, Point(-1,-1));

imshow("display",bw);

waitKey(0);



findContours(bw,contours,hierarchy,RETR_EXTERNAL,CHAIN_APPROX_SIMPLE);

if (!contours.empty()&&!hierarchy.empty()) {

idx=0;

n=0;

vector<Point> approx;

for (;idx>=0;idx=hierarchy[idx][0]) {

color=colors[idx%15];

// drawContours(smallImg,contours,idx,color,1,8,hierarchy);

approxPolyDP(Mat(contours[idx]), approx, arcLength(Mat(contours[idx]), true)*0.005, true);//0.005为将毛边拉直的系数

const Point* p = &approx[0];

int m=(int)approx.size();

polylines(smallImg, &p, &m, 1, true, color);

circle(smallImg,Point(p[0].x,p[0].y),3,color);

circle(smallImg,Point(p[1].x,p[1].y),2,color);

for (int i=2;i<m;i++) circle(smallImg,Point(p[i].x,p[i].y),1,color);

n++;

if (1==n) {

maxrect=boundingRect(Mat(contours[idx]));

} else {

brect=boundingRect(Mat(contours[idx]));

CvRect mr(maxrect),br(brect);

maxrect=cvMaxRect(&mr,&br);

}

}

circle(smallImg,Point(maxrect.x+maxrect.width/2,maxrect.y+maxrect.height/2),2,CV_RGB(255,0,0));

}

imshow("display",smallImg);

waitKey(0);

cvDestroyWindow("display");

return 0;

}

[qq_41956496]

#include "opencv2/highgui/highgui.hpp"

#include "opencv2/imgproc/imgproc.hpp"

#include "opencv2/imgproc/imgproc_c.h"

using namespace std;

using namespace cv;

Mat img,smallImg,gray,bw;

vector<Vec4i> hierarchy;

vector<vector<Point> > contours;

int threshval=128;

Rect r;

Rect maxrect,brect;

int idx,n;

const static Scalar colors[15]={

CV_RGB( 0, 0,128),

CV_RGB( 0,128, 0),

CV_RGB( 0,128,128),

CV_RGB(128, 0, 0),

CV_RGB(128, 0,128),

CV_RGB(128,128, 0),

CV_RGB(128,128,128),

CV_RGB(160,160,160),

CV_RGB( 0, 0,255),

CV_RGB( 0,255, 0),

CV_RGB( 0,255,255),

CV_RGB(255, 0, 0),

CV_RGB(255, 0,255),

CV_RGB(255,255, 0),

CV_RGB(255,255,255),

};

Scalar color;

void gamma_correct(Mat& img, Mat& dst, double gamma) {

Mat temp;

CvMat tmp;



img.convertTo(temp, CV_32FC1, 1.0/255.0, 0.0);

tmp=temp;

cvPow(&tmp, &tmp, gamma);

temp.convertTo(dst , CV_8UC1 , 255.0 , 0.0);

}

int main() {

cvNamedWindow("display",1);

img=imread("image.jpg",1);

r.x=img.cols/10;

r.y=img.rows/3;

r.width=img.cols*8/10;

r.height=img.rows*2/3;

smallImg=img(r);

cvtColor(smallImg,gray,CV_BGR2GRAY);

// medianBlur(gray,gray,5);

equalizeHist(gray,gray);

gamma_correct(gray,gray,4.0);

imshow("display",gray);

waitKey(0);



bw=(gray>threshval);

imshow("display",bw);

waitKey(0);



Mat Structure0=getStructuringElement(MORPH_RECT,Size(3,3));

erode(bw,bw,Structure0,Point(-1,-1));

Mat Structure1=getStructuringElement(MORPH_RECT,Size(6,6));

dilate(bw,bw,Structure1, Point(-1,-1));

imshow("display",bw);

waitKey(0);



findContours(bw,contours,hierarchy,RETR_EXTERNAL,CHAIN_APPROX_SIMPLE);

if (!contours.empty()&&!hierarchy.empty()) {

idx=0;

n=0;

vector<Point> approx;

for (;idx>=0;idx=hierarchy[idx][0]) {

color=colors[idx%15];

// drawContours(smallImg,contours,idx,color,1,8,hierarchy);

approxPolyDP(Mat(contours[idx]), approx, arcLength(Mat(contours[idx]), true)*0.005, true);//0.005为将毛边拉直的系数

const Point* p = &approx[0];

int m=(int)approx.size();

polylines(smallImg, &p, &m, 1, true, color);

circle(smallImg,Point(p[0].x,p[0].y),3,color);

circle(smallImg,Point(p[1].x,p[1].y),2,color);

for (int i=2;i<m;i++) circle(smallImg,Point(p[i].x,p[i].y),1,color);

n++;

if (1==n) {

maxrect=boundingRect(Mat(contours[idx]));

} else {

brect=boundingRect(Mat(contours[idx]));

CvRect mr(maxrect),br(brect);

maxrect=cvMaxRect(&mr,&br);

}

}

circle(smallImg,Point(maxrect.x+maxrect.width/2,maxrect.y+maxrect.height/2),2,CV_RGB(255,0,0));

}

imshow("display",smallImg);

waitKey(0);

cvDestroyWindow("display");

return 0;

}

[zxcdewqa123]

学习一下

[丁劲犇]

做的普适会挺难的。不知道用机器学习有没有可能？从百度地图上获得矢量交叉点的地理坐标。然后获得相同位置的卫星图片。这样可以产生大量的训练样本。以图片为输入，交叉点的坐标为输出，相信应该能够训练出来特定的网络模型。

[木叶无声]

可以试一下python

[赵4老师]

[丁劲犇]

[quote=引用 32 楼 u011574296 的回复:] OSM的相关信息可以在 https://www.openstreetmap.org/ 查看，在 https://planet.openstreetmap.org/ 下载中国数据，在 http://download.openstreetmap.fr/extracts/asia/china.osm.pbf 导航数据转换与数据库导入： pgRoutings 我的网站里有一些文章，但主要是用于渲染的： http://www.goldenhawking.org:8088/

[丁劲犇]

引用 32 楼 u011574296 的回复:

[quote=引用 31 楼 goldenhawking 的回复:] 做的普适会挺难的。不知道用机器学习有没有可能？从百度地图上获得矢量交叉点的地理坐标。然后获得相同位置的卫星图片。这样可以产生大量的训练样本。以图片为输入，交叉点的坐标为输出，相信应该能够训练出来特定的网络模型。

感谢回答！想做的普适确实难，只能上深度学习，您说的数据采集方式挺好的，应该是可行的，就是不知道怎么怎么去获取矢量交叉点数据，怎么寻找对应的卫星图片[/quote] 可以用开源的OpenStreetMap地图，搜索一下 pgRoutings，导入中国的数据即可。这个 openStreetMap地图的数据是开放的，可以下载。导入后，数据库中会有交叉点的信息。具体的数据结构请参考官方维基。我也没实际动手做过哦！ 一旦select出交叉点，就可以用 floor（摩卡托坐标 / 2piR * 图幅/256）换算为瓦片，而后在googleMap的API里给定XYZ获得瓦片的图片了。

[ZealCV]

引用 31 楼 goldenhawking 的回复:

做的普适会挺难的。不知道用机器学习有没有可能？从百度地图上获得矢量交叉点的地理坐标。然后获得相同位置的卫星图片。这样可以产生大量的训练样本。以图片为输入，交叉点的坐标为输出，相信应该能够训练出来特定的网络模型。

感谢回答！想做的普适确实难，只能上深度学习，您说的数据采集方式挺好的，应该是可行的，就是不知道怎么怎么去获取矢量交叉点数据，怎么寻找对应的卫星图片

[赵4老师]

引用 34 楼 zhao4zhong1 的回复:

请问楼主所谓的交点到底是哪个点？