如何使用 OpenCV 查找图像中三角形的方向

我试图找到图像中三角形的方向。下面是图片：

这些三角形指向上/下/左/右。这不是真实的图像。我已经使用精明的边缘检测来查找边缘，然后找到轮廓，然后膨胀的图像如下所示。

我寻找方向的逻辑：

我想使用的逻辑是，在三个角坐标中，如果我可以识别三角形的基坐标（具有相同的横坐标或纵坐标值坐标），我可以制作一个基向量。然后可以使用单位向量和基向量之间的角度来识别方向。但该方法只能判断上下左右，无法区分上下左右。我尝试使用找到角点cv2.goodFeaturesToTrack但据我所知，它只给出了整个图像中最有效的 3 个点。所以我想知道是否有其他方法可以找到三角形的方向。

这是我在 python 中区分三角形/正方形和圆形的代码：

#blue_masking
mask_blue=np.copy(img1)
row,columns=mask_blue.shape
for i in range(0,row):
    for j in range(0,columns):
        if (mask_blue[i][j]==25):
            mask_blue[i][j]=255
        else: 
            mask_blue[i][j]=0
blue_edges = cv2.Canny(mask_blue,10,10)
kernel_blue = cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(2,2))
dilated_blue = cv2.dilate(blue_edges, kernel)
blue_contours,hierarchy = 
cv2.findContours(dilated_blue,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
for cnt in blue_contours:
    area = cv2.contourArea(cnt)
    perimeter = cv2.arcLength(cnt,True)
    M = cv2.moments(cnt)
    cx = int(M['m10']/M['m00'])
    cy = int(M['m01']/M['m00'])
    if(12<(perimeter*perimeter)/area<14.8):
        shape="circle"
    elif(14.8<(perimeter*perimeter)/area<18):
        shape="squarer"
    elif(18<(perimeter*perimeter)/area and area>200):
        shape="triangle"
    print(shape) 
    print(area)
    print((perimeter*perimeter)/area,"\n")
    
cv2.imshow('mask_blue',dilated_blue)
cv2.waitKey(0)
cv2.destroyAllWindows()

  

源图像可以在这里找到：img1 https://github.com/UJ5/Deep-learning-/blob/main/gray.png

请帮忙，如何找到三角形的方向？
谢谢。

假设您只有四种情况：[上、下、左、右]，此代码应该适合您。

这个想法很简单：

1. 获取轮廓的边界矩形。使用：box = cv2.boundingRect(contour_pnts)
2. 使用边界矩形裁剪图像。
3. 使用以下命令垂直和水平缩小图像Sum选项。现在您已获得沿每个轴的像素总和。总和最大的轴决定三角形底边是垂直还是水平。
4. 要确定三角形是指向左/右还是指向上/下：您需要检查边界矩形中心是在最大列/行之前还是之后：

代码（假设您从裁剪后的图像开始）：

ver_reduce = cv2.reduce(img,  0, cv2.REDUCE_SUM, None, cv2.CV_32F)
hor_reduce = cv2.reduce(img,  1, cv2.REDUCE_SUM, None, cv2.CV_32F)

#For smoothing the reduced vector, could be removed
ver_reduce = cv2.GaussianBlur(ver_reduce, (3, 1), 0)
hor_reduce = cv2.GaussianBlur(hor_reduce, (1, 3), 0)

_,ver_max, _, ver_col = cv2.minMaxLoc(ver_reduce)
_,hor_max, _, hor_row = cv2.minMaxLoc(hor_reduce)

ver_col = ver_col[0]
hor_row = hor_row[1]

contour_pnts = cv2.findNonZero(img) #in my code I do not have the original contour points

rect_center, size,  angle = cv2.minAreaRect(contour_pnts )

print(rect_center)

if ver_max > hor_max:
    if rect_center[0] > ver_col:
        print ('right')
    else:
        print ('left')
else:
    if rect_center[1] > hor_row:
        print ('down')
    else:
        print ('up')

Photos: