У меня есть бинарное изображение с точками, которое я получил с помощью openCV goodFeaturesToTrack, как показано на Image1.
Я хотел бы разместить на нем сетку из 4 * 25 точек, например, показанную на изображении 2 (на изображении видны не все точки, но это обычный прямоугольник 4 * 25 точек).
Изображение 2: сетка точек модели
Моя модельная сетка из 4*25 точек параметризована: 1 - положением верхнего левого угла 2 - наклоном прямоугольника к горизонту В приведенном ниже коде показана функция, которая строит такую модель.
Эта задача кажется близкой к задаче об углу шахматной доски.
Я хотел бы знать, как подогнать облако точек моей модели к входному изображению и получить положение и угол облака. Я могу легко измерить расстояние между двумя изображениями (входным и с сеткой модели), но я хотел бы избежать проверки каждого пикселя и угла на изображении для нахождения минимума этого расстояния.
def ModelGrid(pos, angle, shape):
# Initialization of output image of size shape
table = np.zeros(shape)
# Parameters
size_pan = [32, 20]# Pixels
nb_corners= [4, 25]
index = np.ndarray([nb_corners[0], nb_corners[1], 2],dtype=np.dtype('int16'))
angle = angle*np.pi/180
# Creation of the table
for i in range(nb_corners[0]):
for j in range(nb_corners[1]):
index[i,j,0] = pos[0] + j*int(size_pan[1]*np.sin(angle)) + i*int(size_pan[0]*np.cos(angle))
index[i,j,1] = pos[1] + j*int(size_pan[1]*np.cos(angle)) - i*int(size_pan[0]*np.sin(angle))
if 0 < index[i,j,0] < table.shape[0]:
if 0 < index[i,j,1] < table.shape[1]:
table[index[i,j,0], index[i,j,1]] = 1
return table